# RL_star

**Repository Path**: sam_liguiyang/rl_

## Basic Information

- **Project Name**: RL_star
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-10-18
- **Last Updated**: 2025-10-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# IR-GSC (Infrared Guide Star Catalog via RL)

面向红外星敏的**导航星表均匀化 + 识别协同**实验工程。提供：
- 基线方法：HEALPix / Poisson-disk / DPP
- 强化学习（PPO/SAC）均匀化：加入光度误差权重、谱型覆盖、几何条件数等奖励
- 识别侧评测：Wahba/QUEST/Davenport 条件数与姿态误差指标
- 红外仿真：InGaAs 噪声与亮星比率（可选）

> 目标：在最少依赖的条件下（只有一个红外星表），实现**可复现**的均匀化与识别性能提升实验闭环。

---

## 0. 快速开始

**环境（推荐 WSL2/Ubuntu 22.04）**
```bash
conda create -n ir-rl python=3.10 -y
conda activate ir-rl
conda install -c conda-forge numpy scipy astropy healpy numba scikit-learn matplotlib tqdm -y
pip install gymnasium stable-baselines3[extra]


ir-gsc/
  data/                # 2MASS/PPMXL 子样本、响应曲线、噪声参数
  src/
    preprocess/        # 历元更新、双星/变星/小角距清洗、仪器星等换算
    metrics/           # healpix_chi2.py, ripleyK_sphere.py, min_sep.py, spec_coverage.py, wahba_cond.py
    rl_env/            # gym 环境（state/action/reward），ppo/sac 训练脚本
    baselines/         # HEALPix/Poisson-disk/DPP 生成器
    ident/             # 星图识别与姿态评测（Davenport/QUEST）
    sim/               # InGaAs 噪声/日间背景/水汽模块
  runs/                # 训练日志与模型
  figs/                # 论文图


┌──────────────────────────────┐
│  Star Catalog (2MASS/WISE/GAIA) │
└──────────────┬──────────────┘
               │
        数据预处理 + 特征提取
               │
┌──────────────┴──────────────┐
│      RL Environment (Gym)     │
│  状态：χ²、Ripley L、cond K、姿态误差E、匹配率P、亮星权重W │
│  动作：Δm_q, 区域权重 w[p], FOV 调整 │
│  奖励：R=均匀性 ↑ + 姿态精度 ↑ + 匹配率 ↑ – 规模 ↓ │
└──────────────┬──────────────┘
               │
        PPO/SAC Policy Network (GPU)
               │
        训练 → 评估 → Pareto 对比