18. Eskadra Kontroli Dowództwa Kosmicznego Sił Powietrznych Stanów Zjednoczonych (18 SPCS, dawniej JSpOC) wydaje komunikaty z danymi koniunkcji (CDM) za każdym razem, gdy wykryte zostanie bliska koniunkcja między satelitą operacyjnym a skatalogowanymi obiektami. Komunikaty te stanowią główne źródło informacji dla operatorów satelitów w ramach manewrów unikania kolizji, mających na celu zmniejszenie ryzyka kolizji poniżej dopuszczalnego poziomu.

Te krytyczne operacje są na ogół trudne do zautomatyzowania i często generują stresujące sytuacje związane z procedurami podejmowania decyzji, które muszą uwzględniać dużą liczbę czynników i różne źródła informacji.

W przypadku małych flot satelitarnych lub tych, które krążą w niezbyt przepełnionych rejonach przestrzeni kosmicznej, liczba alertów może być zarządzana za pomocą dobrze ugruntowanych procedur wymagających dużej ilości operacji manualnych. Jednakże, gdy floty są duże, zwłaszcza jeśli działają w zatłoczonych regionach orbitalnych, liczba alertów może wzrosnąć do poziomów, które są praktycznie niemożliwe do opanowania.

Oznacza to konieczność zautomatyzowania, przynajmniej częściowo, tych operacji w celu zwiększenia bezpieczeństwa i ograniczenia kosztów operacyjnych.

Jednakże procedura podejmowania decyzji w zakresie zapobiegania kolizjom (czy wykonać manewr czy nie) nie jest łatwa do zautomatyzowania. Decyzji nie można podejmować w oparciu o jeden algorytm, który wdraża proste zasady w danych wejściowych (w większości przypadków bezpośrednio z CDM lub na ich podstawie).

Obecnie jednak dysponujemy dużą ilością informacji, które zostały zebrane na przestrzeni czasu i poddane dokładnej analizie, i które mogą być wykorzystane do podjęcia odpowiednich decyzji, w oparciu o wcześniejsze doświadczenia w realizacji tych operacji. Informacje te, zaczerpnięte z decyzji podjętych w rzeczywistych lub symulowanych scenariuszach, mogą być zatem wykorzystane jako dane do nauki z wykorzystaniem ogólnych algorytmów. I tu właśnie wchodzą w grę koncepcje sztucznej inteligencji, a zwłaszcza uczenia maszynowego.

3 czerwca zaprezentowałem webinarium na temat możliwości zastosowania sztucznej inteligencji i technologii uczenia maszynowego do automatyzacji procesu zapobiegania kolizjom oraz najnowszych osiągnięć w tej dziedzinie. GMV wraz z EUTELSAT opracowuje autonomiczny system zapobiegania kolizjom w ramach projektu Europejskiej Agencji Kosmicznej. System ten będzie oparty na wykorzystaniu technologii sztucznej inteligencji i uczenia maszynowego i jest przeznaczony do użytku przez duże floty (np. dużych operatorów w obrębie GEO i przyszłych megakonstelacji satelitów w obrębie LEO i MEO), jak również do operacji uruchamiania na orbicie satelitów z napędem elektrycznym (np. transfer orbitalny w obrębie LEO do wyższego LEO w celu rozmieszczenia dużej konstelacji lub z LEO/GTO do GEO w przypadku dużego satelity telekomunikacyjnego).

Podczas webinarium rozmawialiśmy o zastosowaniu technologii sztucznej inteligencji/uczenia maszynowego nie tylko do rozwiązania tego konkretnego problemu, ale także do innych zastosowań kosmicznych, takich jak automatyzacja operacji satelitarnych, komunikacja satelitarna, robotyka i automatyzacja pokładowa, systemy przetwarzania danych dla misji obserwacji Ziemi itp., nad którymi GMV również pracuje w ramach licznych działań. Zwróciłem również uwagę na rozległe doświadczenie działu informatycznego GMV w dziedzinie sztucznej inteligencji, makrodanych i danologii, które pozwoliło nam wykorzystać synergie i zastosować te technologie w dziedzinie przestrzeni kosmicznej i obronności.

To była bardzo interesująca rozmowa i chciałbym podziękować moim kolegom z GMV, którzy pracują w tej dziedzinie (patrz pierwszy slajd), jak również wszystkim, którzy uczestniczyli w webinarium, a w szczególności pragnę podziękować za interesujące pytania, które zostały zadane.

Jeśli nie udało Ci się wziąć udziału w webinarium na żywo, skorzystaj z następującegołącza , pod którym znajduje się całe webinarium (w języku angielskim). Jeśli interesuje Cię ten temat i chcesz podzielić się pomysłami lub poszukujesz możliwości współpracy, możesz się ze mną skontaktować (mój adres e-mail znajduje się poniżej i w samej prezentacji). Dziękuję!

Autor: Alberto Águeda
[email protected]