برای نخستین بار در تاریخ فعالیتهای فضایی، یک سیستم کنترل مبتنی بر یادگیری ماشینی با موفقیت در ایستگاه فضایی بینالمللی (ISS) به کار گرفته شد و توانست حرکت یک ربات را بهطور چشمگیری بهبود دهد. این فناوری جدید باعث شد ربات فضایی تا ۶۰ درصد سریعتر و ایمنتر در محیط پیچیده ایستگاه حرکت کند؛ دستاوردی که نقطه عطفی در مسیر خودکارسازی مأموریتهای فضایی به شمار میرود.
این آزمایش توسط پژوهشگران دانشگاه استنفورد انجام شده و بر روی رباتی مکعبیشکل و کوچک به نام Astrobee صورت گرفته است؛ رباتی که اندازهای در حد یک توستر دارد و بهعنوان یک سکوی آزمایشی آزادپرواز در داخل ایستگاه فضایی مورد استفاده قرار میگیرد. سیستم هوش مصنوعی جدید به Astrobee امکان میدهد بدون کنترل مستقیم فضانوردان، در راهروهای باریک و فضای شلوغ ایستگاه با اطمینان حرکت کند.
ایستگاه فضایی بینالمللی محیطی بسیار متراکم و پر از تجهیزات علمی، کابلها و سختافزارهای مختلف است؛ فضایی که برنامهریزی حرکت ایمن در آن، حتی برای رباتها، کار سادهای نیست. به گفته سومریتا بانرجی، پژوهشگر ارشد این پروژه، روشهای سنتی برنامهریزی حرکت که روی زمین کاربرد دارند، در فضا کارایی لازم را ندارند.
از سوی دیگر، رایانههای نصبشده روی رباتهای فضایی منابع محاسباتی محدودی دارند و همین موضوع اجرای الگوریتمهای پیچیده را دشوار میکند. تیم تحقیقاتی برای حل این مشکل، ابتدا یک سیستم بهینهسازی کلاسیک برای یافتن مسیرهای امن طراحی کرد، اما این روش زمانبر بود. در ادامه، آنها یک مدل یادگیری ماشینی را با استفاده از هزاران مسیر موفق قبلی آموزش دادند تا بهعنوان یک «شروع گرم» عمل کند و مسیر اولیه هوشمندانهای در اختیار سامانه قرار دهد.
این مدل هوش مصنوعی بدون کاهش استانداردهای ایمنی، فرآیند برنامهریزی مسیر را بهطرز قابل توجهی تسریع کرد. بانرجی این رویکرد را شبیه استفاده از مسیرهای شناختهشده و تجربهشده به جای طراحی مسیر از صفر توصیف میکند؛ مسیری که سپس بهصورت دقیق بهینهسازی میشود.
پیش از اجرای آزمایش در مدار زمین، این سیستم در مرکز تحقیقاتی ایمز ناسا روی پلتفرمی که شرایط ریزگرانش را شبیهسازی میکرد، مورد آزمایش قرار گرفت. در مرحله عملیاتی در ایستگاه فضایی، فضانوردان تنها وظیفه راهاندازی اولیه را بر عهده داشتند و کنترل عملیات از طریق مرکز فضایی جانسون ناسا انجام شد.
در این آزمایشها، ۱۸ مسیر مختلف بررسی شد و هر مسیر دو بار اجرا شد؛ یکبار با روش سنتی و یکبار با استفاده از هوش مصنوعی. نتایج نشان داد که در مسیرهای دشوار، بهویژه در فضاهای تنگ و مانورهای پیچیده، سیستم جدید ۵۰ تا ۶۰ درصد سریعتر عمل میکند.
ناسا سطح آمادگی فناوری این سیستم را TRL 5 اعلام کرده است؛ به این معنی که فناوری در یک محیط عملیاتی واقعی با موفقیت آزمایش شده و ریسک استفاده از آن در مأموریتهای آینده کاهش یافته است.
پژوهشگران معتقدند با گسترش مأموریتهای فضایی و افزایش فاصله آنها از زمین، استفاده از سامانههای خودمختار ضروری خواهد بود. تیم استنفورد قصد دارد در آینده با بهرهگیری از مدلهای پیشرفتهتر هوش مصنوعی، مشابه فناوریهای مورد استفاده در خودروهای خودران و مدلهای زبانی مدرن، این سیستم را بیش از پیش توسعه دهد.
کد خبر ۲۰۳۰۴۰۹۱۸.۲۳۹
منبع: استنفورد.نیوز
