ИИ борется с космическим мусором

Фотографии с низкой околоземной орбиты (НОО) часто поразительно красивы. Но что им обычно не удается уловить, так это десятки тысяч обломков или «космического мусора», которые вращаются вокруг поверхности Земли, как голодные комары, и угрожают поразить спутники и другие орбитальные объекты достаточно силы, чтобы быть разрушительным. Подобные куски космического мусора — лишь малая часть того, что могут сделать космические агентства, такие как НАСА и ЕКА. отслеживать с помощью наземных телескопов— будут только размножаться по мере того, как мега-созвездия, подобные Старлинк или OneWeb введите ЛЕО.

А растущее число планировщиков и исследователей обеспокоены тем, может ли дальнейшая скученность привести к более высокому риску катастрофические столкновения которые выводят из строя спутники связи или даже однажды отправляют огненные обломки домой на Землю. Чтобы лучше предвидеть и избегать таких ситуаций, некоторые обращаются к компьютерному моделированию и искусственный интеллект чтобы лучше видеть то, что люди не могут.

Исследователи, например, используют машинное обучение для изучения методов удаления и повторного использования мусора. В бумага представленный ранее в этом году на второй конференции Европейского космического агентства NEO и конференция по обнаружению мусора в Дармштадте, Германия, Фабрицио Пьерджентили и коллеги представили результаты своего эволюционного «генетического» алгоритма для мониторинга вращательное движение космического мусора.

«Объекты, которые движутся слишком быстро, нелегко захватить, — говорит Пьерджентили. «Итак, если у меня есть одна миссия по выходу на орбиту, лучше идентифицировать объекты, которые движутся медленно, чтобы их было легче поймать».

В дополнение к разработке нейронных сетей для прогнозирования этих столкновений, обучение и тестирование которых может потребовать времени и значительных ресурсов, другие исследователи, такие как Подполковник Роберт Беттингер обращаются к компьютерному моделированию, чтобы предсказать поведение спутника.

В бумага опубликовано ранее в этом году в журнале Журнал оборонного моделирования и моделированияБеттингер, доцент аэрокосмический инжиниринг в Технологический институт ВВСи соавтор Джозеф Кэной исследовали, насколько вероятно, что распад одного спутника на орбите мегасозвездия приведет к катастрофическому столкновению либо на НОО, либо на средней околоземной орбите (СОО).

Чтобы предсказать эти будущие события, Беттингер и Кэной использовали комбинацию исторической статистики и прогностического моделирования. Моделирование Монте-Карло. С помощью этих симуляций они смогли определить, что мега-созвездия на низкой околоземной орбите имеют в 14 раз более высокий риск катастрофических соединений, чем спутники на несколько тысяч миль выше на СОО.

Тем не менее, этот вывод не совсем удивителен, признает Беттингер, поскольку LEO имеет меньший пространственный объем с большим количеством объектов, движущихся с более высокими скоростями, чем на MEO.

Федерика Массими является аспирантом в Университет Рома Тре и первый автор на бумага опубликовано в декабре прошлого года в Датчики в котором исследуется, как можно использовать глубокое обучение для поддержки обнаружения мусора на НОО. В смоделированной среде Массими и его соавторы продемонстрировали, как можно обучить нейронную сеть на множестве радиолокационных и оптических данных с наземных телескопов, чтобы космическому мусору было легче выделяться из шума.

«Модели ИИ можно обучать, используя исторические данные, для выявления моделей движения космического мусора и прогнозирования их будущих траекторий», — говорит Массими. «Это позволяет более эффективно планировать маневры по предотвращению столкновений для активных космических миссий и орбитальных спутников».

Помимо отслеживания мусора, который уже существует в космосе, Массими также считает, что эти методы будут играть роль во всем жизненном цикле спутников, запускаемых в составе мегасозвездий. По ее словам, космическим компаниям и организациям все чаще будет необходимо оптимизировать распределение спутников или помогать в управлении орбитой, чтобы избежать столкновений с обломками, которые могут вызвать каскадный ущерб — если не апокалиптический результат катастрофы. Триллер об орбитальном столкновении 2013 года Сила тяжести.

Тем не менее, хотя внедрение интеллектуальных алгоритмов и симуляций для решения проблемы космического мусора может показаться легкой задачей, Мориба Джаадъюнкт-профессор аэрокосмической техники Техасского университета в Остине, говорит, что миру следует опасаться слишком сильно полагаться на ответы, основанные на искусственном интеллекте, в космосе, в котором все еще так много неизвестных.

“[These] алгоритм[s] предположим, что завтра выглядит как сегодня», — говорит Джа. «Итак, если версия сегодняшнего дня, которую вы ему подаете, ограничена, предсказание завтрашнего дня также будет ограниченным».

Джа говорит, что в космической среде также есть ряд других неизвестных, таких как плотность атмосферы, которые еще больше усложняют прогнозирование поведения мусора.

«С научной точки зрения это все еще зияющая дыра», — говорит Джа. Поэтому ИИ, добавляет он, «имеет ограниченное применение, учитывая эти известные пробелы».

Эти опасения Массими также учитывает в своей работе. Крайне важно, по ее словам, модели ИИ нуждаются в обновлении «информацией в режиме реального времени, включая новые обнаружения мусора и изменения орбиты». Таким образом, добавляет она, «алгоритмы могут лучше адаптироваться к меняющейся пространственной среде».

И если это так, исследователи надеются, что искусственный интеллект сможет помочь сделать снимки с низкой околоземной орбиты поразительными, как никогда раньше, в то время как сами орбиты будут гораздо менее яркими.