Los viajes espaciales son complejos, costosos y arriesgados. Cada vez que una nave espacial se acopla a otra, están en juego grandes sumas de dinero y valiosas cargas útiles. Un desliz y una misión de mil millones de dólares podrían perderse. Los ingenieros aeroespaciales creen que el control autónomo, como el que guía a muchos automóviles en la actualidad, podría mejorar enormemente la seguridad de la misión, pero la complejidad de las matemáticas necesarias para una certeza sin errores está más allá de lo que las computadoras a bordo pueden manejar actualmente.
En un nuevo artículo presentado en la Conferencia Aeroespacial IEEE en marzo de 2024 y publicado en el servidor de preimpresión arXiv , un equipo de ingenieros aeroespaciales de la Universidad de Stanford informó que utiliza IA para acelerar la planificación de trayectorias óptimas y seguras entre dos o más naves espaciales que se acoplan. Lo llaman ART (el transformador de encuentro autónomo) y dicen que es el primer paso hacia una era de viajes espaciales autoguiados más seguros y confiables.
En el control autónomo, la cantidad de resultados posibles es enorme. Sin margen de error, son esencialmente abiertos.
"La optimización de la trayectoria es un tema muy antiguo. Ha existido desde la década de 1960, pero es difícil cuando se intenta igualar los requisitos de rendimiento y las estrictas garantías de seguridad necesarias para los viajes espaciales autónomos dentro de los parámetros de los enfoques computacionales tradicionales", dijo Marco Pavone , profesor asociado de aeronáutica y astronáutica y codirector del nuevo Centro Stanford para la Investigación de la Autonomía Aeroespacial (CAESAR).
"En el espacio, por ejemplo, hay que lidiar con limitaciones que normalmente no existen en la Tierra, como, por ejemplo, apuntar a las estrellas para mantener la orientación. Esto se traduce en complejidad matemática".
"Para que la autonomía funcione sin fallas a miles de millones de kilómetros de distancia en el espacio, tenemos que hacerlo de una manera que las computadoras a bordo puedan manejar", añadió Simone D'Amico, profesora asociada de aeronáutica y astronáutica y codirectora de CÉSAR. "La IA nos está ayudando a gestionar la complejidad y a ofrecer la precisión necesaria para garantizar la seguridad de la misión, de una manera computacionalmente eficiente".
CAESAR es una colaboración entre la industria, la academia y el gobierno que reúne la experiencia del Laboratorio de Sistemas Autónomos de Pavone y el Laboratorio de Encuentro Espacial de D'Amico. El Laboratorio de Sistemas Autónomos desarrolla metodologías para el análisis, diseño y control de sistemas autónomos:automóviles, aviones y, por supuesto, naves espaciales.
El Space Rendezvous Lab realiza investigaciones fundamentales y aplicadas para permitir futuros sistemas espaciales distribuidos mediante los cuales dos o más naves espaciales colaboran de forma autónoma para lograr objetivos que de otro modo serían muy difíciles para un solo sistema, incluidos vuelos en formación, encuentros y atraques, comportamientos de enjambre, constelaciones y muchos otros. . El laboratorio está planeando un taller de lanzamiento para mayo de 2024.
Un buen comienzo
El Transformador Autónomo Rendezvous es un marco de optimización de trayectoria que aprovecha los enormes beneficios de la IA sin comprometer las garantías de seguridad necesarias para un despliegue confiable en el espacio. En esencia, ART implica la integración de métodos basados en IA en el proceso tradicional para la optimización de trayectorias, utilizando IA para generar rápidamente candidatos de trayectoria de alta calidad como entrada para algoritmos de optimización de trayectorias convencionales.
Los investigadores se refieren a las sugerencias de IA como un "comienzo en caliente" para el problema de optimización y muestran cómo esto es crucial para obtener aceleraciones computacionales sustanciales sin comprometer la seguridad.
"Uno de los grandes desafíos en este campo es que hasta ahora hemos necesitado enfoques 'terrestres en el bucle':hay que comunicar cosas al suelo donde las supercomputadoras calculan las trayectorias y luego cargamos comandos al satélite", explica Tommaso. Guffanti, becario postdoctoral en el laboratorio de D'Amico y primer autor del artículo que presenta el transformador de encuentro autónomo.
"Y en este contexto, creo que nuestro artículo es interesante por incluir componentes de inteligencia artificial en los procesos tradicionales de guía, navegación y control para hacer que estos encuentros sean más fluidos, más rápidos, más eficientes en el consumo de combustible y más seguros".
ART no es el primer modelo que lleva la IA al desafío de los vuelos espaciales, pero en pruebas en un laboratorio terrestre, ART superó a otras arquitecturas basadas en aprendizaje automático. Los modelos transformadores, como ART, son un subconjunto de modelos de redes neuronales de alta capacidad que comenzaron con modelos de lenguaje grandes, como los utilizados por los chatbots. La misma arquitectura de IA es extremadamente eficiente en el análisis, no solo de palabras, sino de muchos otros tipos de datos, como imágenes, audio y, ahora, trayectorias.
"Los transformadores se pueden aplicar para comprender el estado actual de una nave espacial, sus controles y las maniobras que deseamos planificar", dijo Daniele Gammelli, becario postdoctoral en el laboratorio de Pavone y también coautor del artículo ART. "Estos grandes modelos de transformadores son extremadamente capaces de generar secuencias de datos de alta calidad."
La próxima frontera en su investigación es seguir desarrollando ART y luego probarlo en el entorno experimental realista hecho posible por CAESAR. Si ART puede superar el alto listón de CAESAR, los investigadores pueden estar seguros de que estará listo para realizar pruebas en escenarios del mundo real en órbita.
"Estos son enfoques de última generación que necesitan perfeccionarse", dice D'Amico. "Nuestro siguiente paso es inyectar elementos adicionales de IA y aprendizaje automático para mejorar la capacidad actual de ART y desbloquear nuevas capacidades, pero pasará un largo viaje antes de que podamos probar el Transformador Autónomo Rendezvous en el espacio mismo".
Más información: Tommaso Guffanti et al, Transformadores para optimización de trayectorias con aplicación a encuentros de naves espaciales, arXiv (2023). DOI:10.48550/arxiv.2310.13831
Proporcionado por la Universidad de Stanford
