Science >> Wetenschap >  >> Astronomie

AI maakt een afspraak in de ruimte

Onderzoekers van het Stanford Center for AEroSpace Autonomy Research (CAESAR) in het robottestbed, dat de bewegingen van autonome ruimtevaartuigen kan simuleren. Credit:Andrew Brodhead

Ruimtevaart is complex, duur en riskant. Telkens wanneer het ene ruimtevaartuig het andere aanmeert, staan ​​grote bedragen en waardevolle ladingen op het spel. Eén misstap en een missie van een miljard dollar kunnen verloren gaan. Luchtvaart- en ruimtevaartingenieurs zijn van mening dat autonome besturing, zoals het soort dat tegenwoordig veel auto's over de weg leidt, de veiligheid van missies enorm zou kunnen verbeteren, maar de complexiteit van de wiskunde die nodig is voor foutloze zekerheid gaat verder dan alles wat boordcomputers momenteel aankunnen.



In een nieuw artikel gepresenteerd op de IEEE Aerospace Conference in maart 2024 en gepubliceerd op de preprint-server arXiv , meldde een team van lucht- en ruimtevaartingenieurs van Stanford University dat ze AI gebruikten om de planning van optimale en veilige trajecten tussen twee of meer aankoppelende ruimtevaartuigen te versnellen. Ze noemen het ART (de Autonomous Rendezvous Transformer) en zeggen dat dit de eerste stap is naar een tijdperk van veiligere en betrouwbare zelfgeleide ruimtevaart.

Wees gegroet CAESAR

Bij autonome controle is het aantal mogelijke uitkomsten enorm. Er is geen ruimte voor fouten en ze hebben in wezen een open einde.

"Trajectoptimalisatie is een heel oud onderwerp. Het bestaat al sinds de jaren zestig, maar het is moeilijk als je probeert de prestatie-eisen en rigide veiligheidsgaranties die nodig zijn voor autonome ruimtevaart te evenaren binnen de parameters van traditionele computationele benaderingen", zegt Marco Pavone. , universitair hoofddocent luchtvaart en ruimtevaart en mededirecteur van het nieuwe Stanford Center for AEroSpace Autonomy Research (CAESAR).

"In de ruimte heb je bijvoorbeeld te maken met beperkingen die je normaal gesproken niet op aarde hebt, zoals bijvoorbeeld het wijzen naar de sterren om de oriëntatie te behouden. Deze vertalen zich in wiskundige complexiteit."

“Als we willen dat autonomie op miljarden kilometers afstand in de ruimte feilloos kan werken, moeten we dat doen op een manier die boordcomputers aankunnen”, zegt Simone D’Amico, universitair hoofddocent luchtvaart en ruimtevaart en collega-codirecteur van CAESAR. "AI helpt ons de complexiteit te beheersen en de nauwkeurigheid te leveren die nodig is om de veiligheid van de missie te garanderen, op een computationeel efficiënte manier."

CAESAR is een samenwerking tussen de industrie, de academische wereld en de overheid die de expertise van Pavone's Autonomous Systems Lab en D'Amico's Space Rendezvous Lab samenbrengt. Het Autonomous Systems Lab ontwikkelt methodologieën voor de analyse, het ontwerp en de controle van autonome systemen:auto's, vliegtuigen en natuurlijk ruimtevaartuigen.

Het Space Rendezvous Lab voert fundamenteel en toegepast onderzoek uit om toekomstige gedistribueerde ruimtesystemen mogelijk te maken waarbij twee of meer ruimtevaartuigen autonoom samenwerken om doelstellingen te bereiken die anders zeer moeilijk zouden zijn voor een enkel systeem, waaronder vliegen in formatie, ontmoetingen en aanmeren, zwermgedrag, sterrenbeelden en vele andere. . Het lab plant een lanceringsworkshop voor mei 2024.

CAESAR-onderzoekers bespreken het robotachtige free-flyer-platform, dat luchtlagers gebruikt om op een granieten tafel te zweven en een wrijvingsloze omgeving zonder zwaartekracht te simuleren. Credit:Andrew Brodhead

Een warme start

De Autonomous Rendezvous Transformer is een raamwerk voor trajectoptimalisatie dat de enorme voordelen van AI benut zonder concessies te doen aan de veiligheidsgaranties die nodig zijn voor een betrouwbare inzet in de ruimte. In de kern omvat ART het integreren van op AI gebaseerde methoden in de traditionele pijplijn voor trajectoptimalisatie, waarbij AI wordt gebruikt om snel hoogwaardige trajectkandidaten te genereren als input voor conventionele algoritmen voor trajectoptimalisatie.

De onderzoekers noemen de AI-suggesties een ‘warme start’ voor het optimalisatieprobleem en laten zien hoe dit cruciaal is om substantiële rekensnelheden te behalen zonder concessies te doen aan de veiligheid.

"Een van de grote uitdagingen op dit gebied is dat we tot nu toe behoefte hebben gehad aan een 'ground in the loop'-benadering:je moet dingen naar de grond communiceren waar supercomputers de trajecten berekenen en dan uploaden we commando's terug naar de satelliet", legt Tommaso uit. Guffanti, een postdoctoraal onderzoeker in het laboratorium van D'Amico en eerste auteur van het artikel waarin de Autonomous Rendezvous Transformer wordt geïntroduceerd.

"En in deze context is ons artikel spannend, denk ik, omdat we componenten van kunstmatige intelligentie hebben opgenomen in de traditionele begeleidings-, navigatie- en controlepijplijn om deze ontmoetingen soepeler, sneller, zuiniger en veiliger te maken."

Volgende grenzen

ART is niet het eerste model dat AI de uitdaging van de ruimtevlucht aangaat, maar bij tests in een aardse laboratoriumomgeving presteerde ART beter dan andere op machine learning gebaseerde architecturen. Transformer-modellen zijn, net als ART, een subset van neurale netwerkmodellen met hoge capaciteit die hun start hebben gemaakt met grote taalmodellen, zoals die worden gebruikt door chatbots. Dezelfde AI-architectuur is uiterst efficiënt in het parseren van niet alleen woorden, maar ook vele andere soorten gegevens, zoals afbeeldingen, audio en nu ook trajecten.

"Transformers kunnen worden toegepast om de huidige toestand van een ruimtevaartuig, de besturing en de manoeuvres die we willen plannen te begrijpen", zegt Daniele Gammelli, een postdoctoraal onderzoeker in het laboratorium van Pavone, en tevens co-auteur van het ART-artikel. "Deze grote transformatormodellen zijn uitermate geschikt voor het genereren van gegevensreeksen van hoge kwaliteit."

De volgende grens in hun onderzoek is het verder ontwikkelen van ART en het vervolgens testen in de realistische experimentele omgeving die mogelijk wordt gemaakt door CAESAR. Als ART de hoge lat van CAESAR kan halen, kunnen de onderzoekers erop vertrouwen dat het klaar is om te worden getest in realistische scenario's in een baan om de aarde.

"Dit zijn state-of-the-art benaderingen die verfijning behoeven", zegt D'Amico. "Onze volgende stap is het injecteren van aanvullende AI- en machine learning-elementen om de huidige mogelijkheden van ART te verbeteren en nieuwe mogelijkheden te ontgrendelen, maar het zal een lange reis zijn voordat we de Autonomous Rendezvous Transformer in de ruimte zelf kunnen testen."

Meer informatie: Tommaso Guffanti et al., Transformers voor trajectoptimalisatie met toepassing op Spacecraft Rendezvous, arXiv (2023). DOI:10.48550/arxiv.2310.13831

Aangeboden door Stanford University