L’ESA e la Stanford University stanno sfidando specialisti dell’intelligenza artificiale a formare un software per giudicare la posizione e l’orientamento di un satellite alla deriva con una sola occhiata. Tale abilità potrebbe essere utilizzata in futuro per la manutenzione o il salvataggio di veicoli spaziali.
L’argomento della competizione è la “stima di posa” satellitare: identificazione della posizione relativa e direzione di puntamento (nota come atteggiamento) di un satellite bersaglio da sue singole istantanee che lo riprendono mentre si muove nello spazio.
“Il raggiungimento della stima svolgerà un ruolo importante nel futuro servizio satellitare, consentendo la ristrutturazione di costosi beni spaziali”, spiega il prof. Simone D’Amico, fondatore del laboratorio.
“È anche fondamentale per le tecnologie di rimozione dei detriti necessarie per garantire il continuo accesso dell’umanità allo spazio e lo sviluppo di depositi spaziali per facilitare i viaggi verso destinazioni più lontane”.
Una missione sperimentale
Per garantire il massimo realismo, la competizione si basa sui risultati di una vera missione spaziale. PRISMA – lanciato dalla Swedish Space Corporation con il supporto del Centro aerospaziale tedesco, l’Università tecnica della Danimarca e l’agenzia spaziale francese CNES – è stata una missione sperimentale su due satelliti per testare le tecniche di formazione del volo e del rendez-vous.
“I due piccoli satelliti PRISMA, Tango e Mango, hanno scattato più foto l’una dell’altra nel corso della missione”, afferma Dario Izzo, del team Advanced Concepts dell’ESA, che ha supervisionato la competizione.
“Non c’erano abbastanza di queste istantanee per addestrare gli algoritmi, ma lo studente di dottorato presso il Laboratorio Rendezvous dello Stanford ha generato equivalenti completamente realistici. Si tratta di una combinazione di immagini completamente digitali e foto fisiche scattate con modelli satellitari in condizioni di illuminazione rappresentative.
“Forniremo circa 15.000 immagini sintetiche più altre 1.000 immagini reali. Circa l’80% di queste arriverà con i dati di posa inclusi, che possono essere utilizzati per l’apprendimento automatico. Lo scopo della competizione è stimare la posa del satellite nel modo più accurato possibile.”
Un mix di immagini
Il giovane apprendista laureato Mate Kisantal aggiunge: “L’utilizzo di un mix di immagini reali e digitali per la valutazione aiuta ad aggiungere maggiore certezza che una soluzione del genere funzionerebbe nello spazio. Algoritmi addestrati solo sulle immagini digitali a volte possono sperimentare un “gap di realtà” in cui trovano difficile trasferire il loro apprendimento alle visioni del mondo reale.”
“Le immagini in scala di grigi mostrano una varietà di diversi atteggiamenti e distanze – da 5 a 40 m di distanza – e diverse condizioni di illuminazione. Alcuni hanno una Terra realistica sullo sfondo, altri hanno l’oscurità dello spazio. Sono state aggiunte anche alcune sfocature”.
I satelliti PRISMA
Il Prof. D’Amico ha esperienza diretta di PRISMA, avendo lavorato sui relativi sistemi di navigazione e controllo e svolgendo il ruolo di principale investigatore per la DLR.
“Gli algoritmi di apprendimento automatico per le applicazioni aerospaziali richiedono dati di addestramento rigorosi e ben compresi”, afferma. “Le ricche immagini spaziali di PRISMA e i relativi prodotti di dinamica di volo offrono questa combinazione”.
“Rendendo questo set di dati massiccio e rigorosamente etichettato alla comunità di apprendimento automatico, speriamo di coinvolgerli in un importante problema di navigazione spaziale, confrontando le potenziali soluzioni di una comunità mondiale.”
Un nuovo modo di operare nello spazio
Vede il potenziale risultato come un nuovo modo di operare nello spazio: “Il primo vero incontro spaziale è accaduto poco più di 53 anni fa, tra Gemini 6 e 7 nel dicembre 1965, abilitato dai radar, un computer più l’intervento dell’uomo. Il successo rese possibili gli sbarchi sulla Luna, insieme alla costruzione della stazione spaziale”.
Nuove sfide
“Ma nuove ere arrivano con le loro sfide e metodi per risolverli. L’obiettivo ora è quello di sviluppare tecniche di rendez-vous e di formazione di volo per satelliti autonomi miniaturizzati, che potrebbero funzionare insieme come sistemi distribuiti – ovvero satelliti più piccoli che lavorano insieme per raggiungere obiettivi che sarebbero impossibili per un singolo satellite monolitico”.
“Abbiamo riflettuto molto su come applicare l’intelligenza artificiale ai problemi dello spazio, e Kelvins è una parte importante di questo”, aggiunge Dario. “Mettendo tutti i tipi di grandi set di dati disponibili per la più ampia comunità di apprendimento automatico, possiamo vedere cosa ne ricavano”.
