Les voyages spatiaux sont complexes, coûteux et risqués. Des sommes importantes et des charges utiles précieuses sont en jeu chaque fois qu’un vaisseau spatial s’amarre à un autre. Une erreur et une mission d’un milliard de dollars pourraient être perdues. Les ingénieurs aérospatiaux pensent qu'un contrôle autonome, comme celui qui guide de nombreuses voitures sur la route aujourd'hui, pourrait considérablement améliorer la sécurité des missions, mais la complexité des mathématiques requises pour une certitude sans erreur dépasse tout ce que les ordinateurs de bord peuvent actuellement gérer.
Dans un nouvel article présenté à la conférence IEEE Aerospace en mars 2024 et publié sur le serveur de préimpression arXiv , une équipe d'ingénieurs aérospatiaux de l'Université de Stanford a déclaré avoir utilisé l'IA pour accélérer la planification de trajectoires optimales et sûres entre deux ou plusieurs engins spatiaux d'amarrage. Ils l'appellent ART (le transformateur de rendez-vous autonome) et disent que c'est la première étape vers une ère de voyages spatiaux autoguidés plus sûrs et plus fiables.
En contrôle autonome, le nombre de résultats possibles est énorme. Sans marge d'erreur, ils sont essentiellement ouverts.
"L'optimisation de trajectoire est un sujet très ancien. Il existe depuis les années 1960, mais il est difficile de faire correspondre les exigences de performance et les garanties de sécurité rigides nécessaires au voyage spatial autonome dans les paramètres des approches informatiques traditionnelles", a déclaré Marco Pavone. , professeur agrégé d'aéronautique et d'astronautique et codirecteur du nouveau Stanford Center for AEroSpace Autonomy Research (CAESAR).
"Dans l'espace, par exemple, vous devez faire face à des contraintes que vous n'avez généralement pas sur Terre, comme, par exemple, pointer vers les étoiles afin de maintenir votre orientation. Cela se traduit par une complexité mathématique."
"Pour que l'autonomie fonctionne sans faille à des milliards de kilomètres dans l'espace, nous devons le faire d'une manière que les ordinateurs de bord peuvent gérer", a ajouté Simone D'Amico, professeur agrégé d'aéronautique et d'astronautique et co-directrice de CÉSAR. "L'IA nous aide à gérer la complexité et à fournir la précision nécessaire pour garantir la sécurité des missions, de manière informatiquement efficace."
CAESAR est une collaboration entre l'industrie, le monde universitaire et le gouvernement qui rassemble l'expertise du laboratoire de systèmes autonomes de Pavone et du laboratoire Space Rendezvous de D'Amico. Le laboratoire de systèmes autonomes développe des méthodologies pour l'analyse, la conception et le contrôle de systèmes autonomes :voitures, avions et bien sûr, engins spatiaux.
Le Space Rendezvous Lab effectue des recherches fondamentales et appliquées pour permettre les futurs systèmes spatiaux distribués dans lesquels deux ou plusieurs vaisseaux spatiaux collaborent de manière autonome pour atteindre des objectifs autrement très difficiles pour un seul système, notamment le vol en formation, le rendez-vous et l'amarrage, les comportements en essaim, les constellations et bien d'autres. . Le laboratoire prévoit un atelier de lancement pour mai 2024.
Un début chaleureux
L'Autonomous Rendezvous Transformer est un cadre d'optimisation de trajectoire qui exploite les énormes avantages de l'IA sans compromettre les garanties de sécurité nécessaires à un déploiement fiable dans l'espace. À la base, ART consiste à intégrer des méthodes basées sur l'IA dans le pipeline traditionnel d'optimisation de trajectoire, en utilisant l'IA pour générer rapidement des candidats de trajectoire de haute qualité comme entrée pour les algorithmes d'optimisation de trajectoire conventionnels.
Les chercheurs qualifient les suggestions de l'IA de « démarrage à chaud » du problème d'optimisation et montrent à quel point cela est crucial pour obtenir des accélérations de calcul substantielles sans compromettre la sécurité.
"L'un des grands défis dans ce domaine est que nous avons jusqu'à présent eu besoin d'approches "au sol dans la boucle" :il faut communiquer les choses au sol où les superordinateurs calculent les trajectoires, puis nous téléchargeons les commandes vers le satellite", explique Tommaso. Guffanti, chercheur postdoctoral dans le laboratoire de D'Amico et premier auteur de l'article présentant le transformateur de rendez-vous autonome.
"Et dans ce contexte, notre article est passionnant, je pense, car il inclut des composants d'intelligence artificielle dans le pipeline traditionnel de guidage, de navigation et de contrôle afin de rendre ces rendez-vous plus fluides, plus rapides, plus économes en carburant et plus sûrs."
ART n'est pas le premier modèle à amener l'IA à relever le défi du vol spatial, mais lors de tests effectués en laboratoire terrestre, ART a surpassé les autres architectures basées sur l'apprentissage automatique. Les modèles de transformateur, comme ART, sont un sous-ensemble de modèles de réseaux neuronaux de grande capacité qui ont débuté avec de grands modèles de langage, comme ceux utilisés par les chatbots. La même architecture d'IA est extrêmement efficace pour analyser non seulement des mots, mais de nombreux autres types de données tels que des images, de l'audio et désormais des trajectoires.
"Les transformateurs peuvent être utilisés pour comprendre l'état actuel d'un vaisseau spatial, ses commandes et les manœuvres que nous souhaitons planifier", Daniele Gammelli, chercheur postdoctoral au laboratoire de Pavone et également co-auteur de l'article ART. "Ces grands modèles de transformateurs sont extrêmement capables de générer des séquences de données de haute qualité."
La prochaine étape de leur recherche consiste à développer davantage l'ART, puis à le tester dans l'environnement expérimental réaliste rendu possible par CAESAR. Si ART parvient à dépasser la barre haute de CAESAR, les chercheurs peuvent être sûrs qu'il est prêt à être testé dans des scénarios réels en orbite.
"Ce sont des approches de pointe qui doivent être affinées", explique D'Amico. "Notre prochaine étape consiste à injecter des éléments supplémentaires d'IA et d'apprentissage automatique pour améliorer les capacités actuelles d'ART et débloquer de nouvelles capacités, mais il faudra un long voyage avant de pouvoir tester le transformateur de rendez-vous autonome dans l'espace lui-même."
Plus d'informations : Tommaso Guffanti et al, Transformateurs pour l'optimisation de trajectoire avec application au Rendez-vous des engins spatiaux, arXiv (2023). DOI :10.48550/arxiv.2310.13831
Fourni par l'Université de Stanford
