Comment mesurer la pose, c'est-à-dire la rotation 3D et la translation 3D, d'un morceau de débris spatiaux pour qu'un satellite saisissant puisse le capturer en temps réel afin de le retirer avec succès de l'orbite terrestre ? Quel rôle joueront les algorithmes de deep learning ? Et, qu'est-ce que le temps réel dans l'espace ? Telles sont quelques-unes des questions abordées dans un projet novateur, dirigé par une spin-off de l'EPFL, Espace libre, développer des technologies pour capturer et désorbiter les débris spatiaux.

Avec plus de 34, 000 pièces de ferraille en orbite autour de la Terre, leur élimination devient une question de sécurité. Plus tôt ce mois-ci, un ancien satellite de navigation soviétique Parus et une fusée chinoise ChangZheng-4c ont été impliqués dans un quasi-accident et en septembre, la Station spatiale internationale a effectué une manœuvre pour éviter une éventuelle collision avec un débris spatial inconnu, tandis que l'équipage de l'ISS Expedition 63 s'est rapproché de son vaisseau spatial Soyouz MS-16 pour se préparer à une éventuelle évacuation. Avec plus de déchets qui s'accumulent tout le temps, les collisions de satellites pourraient devenir monnaie courante, rendant l'accès à l'espace dangereux.

ClearSpace-1, la première mission de l'entreprise fixée à 2025, consistera à récupérer la partie supérieure de la Vespa désormais obsolète, un adaptateur de charge utile en orbite à 660 kilomètres au-dessus de la Terre qui faisait autrefois partie de la fusée Vega de l'Agence spatiale européenne, pour s'assurer qu'il rentre dans l'atmosphère et brûle de manière contrôlée.

L'un des premiers défis consiste à permettre aux bras robotiques d'une fusée de capture de s'approcher de la Vespa sous le bon angle. À cette fin, il utilisera une caméra attachée - ses yeux - pour déterminer où se trouve le débris spatial afin qu'il puisse saisir la Vespa, puis la ramener dans l'atmosphère. "Un objectif central est de développer des algorithmes d'apprentissage en profondeur pour estimer de manière fiable la pose 6D (3 rotations et 3 translations) de la cible à partir de séquences vidéo même si les images prises dans l'espace sont difficiles. Elles peuvent être sur- ou sous-exposées avec de nombreux surfaces en miroir, " dit Mathieu Salzmann, un scientifique fer de lance du projet au sein du Laboratoire de vision par ordinateur de l'EPFL dirigé par le professeur Pascal Fua, à l'École des sciences de l'informatique et de la communication.

Cependant, il y a un hic. Personne n'a vraiment vu la Vespa depuis sept ans alors qu'elle tournait dans le vide dans l'espace. Nous savons qu'il fait environ 2 mètres de diamètre, avec des fibres de carbone foncées et un peu brillantes, mais est-ce toujours à quoi ça ressemble ?

Le Realistic Graphics Labis de l'EPFL simulant à quoi ressemble ce déchet spatial comme « matériel de formation » pour aider les algorithmes d'apprentissage en profondeur de Salzmann à s'améliorer au fil du temps. "Nous produisons une base de données d'images synthétiques de l'objet cible, comprenant à la fois la toile de fond de la Terre reconstituée à partir d'images satellites hyperspectrales, et un modèle 3D détaillé de l'étage supérieur de la Vespa. Ces images synthétiques sont basées sur des mesures d'échantillons de matériaux réels de panneaux d'aluminium et de fibre de carbone, acquis à l'aide du goniophotomètre de notre laboratoire. Il s'agit d'un grand appareil robotique qui tourne autour d'un échantillon de test pour l'éclairer et l'observer simultanément dans de nombreuses directions différentes, nous fournir une mine d'informations sur l'apparence du matériau, " déclare le professeur adjoint Wenzel Jakob, chef de laboratoire. Une fois la mission lancée, les chercheurs pourront capturer des images réelles d'au-delà de notre atmosphère et affiner les algorithmes pour s'assurer qu'ils fonctionnent in situ.

Un troisième défi sera la nécessité de travailler dans l'espace, en temps réel et avec une puissance de calcul limitée à bord du satellite de capture ClearSpace. Dr Miguel Peón, un collaborateur post-doctoral senior du laboratoire de systèmes embarqués de l'EPFL dirige les travaux de transfert des algorithmes d'apprentissage en profondeur vers une plate-forme matérielle dédiée. "Puisque le mouvement dans l'espace se comporte bien, les algorithmes d'estimation de pose peuvent combler les écarts entre des reconnaissances espacées d'une seconde, alléger la pression de calcul. Cependant, s'assurer qu'ils peuvent faire face de manière autonome à toutes les incertitudes de la mission, les algorithmes sont si complexes que leur mise en œuvre nécessite d'extraire toutes les performances des ressources de la plateforme, " dit le professeur David Atienza, responsable de l'ESL.

Il est clair que concevoir des algorithmes fiables à 100 % dans des conditions aussi difficiles, et relativement inconnu, conditions, et qui fonctionnent en temps réel en utilisant des ressources de calcul limitées, est un énorme défi. Pour Salzmann, cela fait partie de l'attrait du projet, « nous devons être absolument fiables et robustes. Du point de vue de la recherche, vous êtes généralement satisfait de 90 % de réussite, mais c'est quelque chose que nous ne pouvons pas vraiment nous permettre dans une vraie mission. Mais peut-être que l'aspect le plus excitant du projet est que nous développons un algorithme qui fonctionnera éventuellement dans l'espace. Je trouve cela absolument incroyable et c'est ce qui me motive chaque jour !"

Ce travail révolutionnaire a été exécuté avec le soutien de l'équipe de Microsoft for Startups, qui a fourni la puissance de traitement Azure.