L'exploration spatiale profonde présente des défis uniques pour la navigation en raison des distances considérables et de la communication limitée avec la Terre. Le développement d'algorithmes de navigation autonomes est essentiel pour assurer le succès des sondes spatiales profondes au moment où elles s'aventurent plus loin dans le cosmos. Sans autonomie à bord, l'engin spatial dépendrait fortement du suivi au sol, méthode qui devient de plus en plus peu pratique car les retards s'étendent de quelques minutes à quelques heures.

Le défi de la communication dans l'espace profond

Pour Mars, le délai varie de 4 à 24 minutes; pour Jupiter, environ 1,3 heure; pour les planètes extérieures, il peut dépasser plusieurs heures. Aux distances interstellaires, le délai s'étend sur des jours ou des semaines. La navigation traditionnelle repose sur le réseau de l'espace profond (DSN) pour mesurer les déplacements et les signaux de distance Doppler, mais la longue latence rend impossible le contrôle en temps réel. De plus, la bande passante est fortement limitée : les débits de données au-delà de Saturne sont souvent mesurés en kilobits par seconde.

Principes fondamentaux de la navigation autonome

La navigation autonome pour une sonde spatiale profonde comporte trois tâches fondamentales : déterminer l'état de l'engin spatial (position, vitesse et attitude), prédire sa trajectoire future sous influence gravitationnelle, et planifier des manœuvres pour atteindre les objectifs de la mission.Ces tâches sont interconnectées par un cycle continu de détection, d'estimation et de contrôle. L'estimation de l'état utilise généralement un filtre Bayésien récursif – le filtre Kalman étendu ou un filtre Kalman non parfumé (UKF) – qui fusionne des mesures de divers capteurs avec un modèle dynamique de mouvement de l'engin spatial.

Estimation de l'État

Le vecteur d'état comprend généralement la position et la vitesse cartésiennes, plus le quaternion d'assiette et les vitesses angulaires. L'étape de prédiction propage l'état en avant dans le temps en utilisant l'intégration numérique des équations de mouvement. L'étape de mise à jour intègre de nouvelles mesures de capteur pour corriger l'état prédit. Le choix du filtre dépend des ressources de calcul et de la non-linéarité.

Détermination de l'attitude

Les capteurs d'étoiles sont le principal capteur : ils capturent une image du champ d'étoiles, correspondent aux modèles d'étoiles observés par rapport à un catalogue embarqué et calculent l'orientation. Le catalogue contient généralement des positions et des grandeurs de plusieurs milliers d'étoiles. Pour les missions dans l'espace profond, le traceur d'étoiles doit être résistant aux radiations et capable de fonctionner dans des environnements à faible luminosité.

Détermination de l'orbite

Pour la navigation autonome, la sonde utilise des mesures optiques de corps célestes connus. Une caméra image une planète, une lune ou un astéroïde contre le fond de l'étoile. La position apparente du corps par rapport aux étoiles est utilisée pour déduire le vecteur de la ligne de vue. En combinant plusieurs de ces observations au fil du temps, le filtre estime l'orbite de l'engin spatial. Cette technique, connue sous le nom de navigation optique (OpNav), a été utilisée pour de nombreuses missions, dont Espace profond 1[ et Nouveaux Horizons. Des méthodes plus avancées utilisent des profils de membres de planètes ou de satellites naturels pour obtenir une portée et un roulement.

Technologies de capteurs pour l'autonomie

La navigation autonome repose sur une série de capteurs qui fournissent des données complémentaires.

  • Star Trackers: Fournissez une attitude absolue avec une précision de seconde d'arc. Les trackers modernes peuvent identifier les étoiles en présence de lumières et de radiations élevées.
  • Unités de mesure inertielles (UMI):[ Fournir des vitesses angulaires et des accélérations linéaires à haute fréquence; accumuler la dérive au fil du temps et exiger une correction périodique.
  • Capteurs de soleil: Référence d'assiette grossière en détectant la direction Sun=; utilisé pour l'acquisition initiale et le mode de sécurité.
  • Caméras de navigation:[ Habituellement, les images panoramiques ou multispectrales qui capturent des images de cibles pour OpNav. Certaines missions sont équipées de caméras de navigation optique dédiées.
  • Laser Altimeters (LiDAR):[ Mesurer la portée à une surface planétaire avec une précision élevée. Utilisé pour la navigation par rapport au terrain pendant l'atterrissage ou les vols rapprochés.

Les futures sondes d'espace profond peuvent également comprendre des capteurs quantiques (p. ex. accéléromètres atomiques) qui offrent des mesures d'accélération sans dérive, ce qui peut améliorer la précision de navigation à long terme.

Cadres algorithmiques et navigation optique

Le noyau de la navigation autonome réside dans les algorithmes qui traitent les données des capteurs et calculent les estimations de l'état. Le cadre standard est le filtre Kalman, mais il existe de nombreuses variantes pratiques. Par exemple, le projet de l'Agence spatiale européenne (ESA) Navigation optique autonome a développé un filtre qui traite les images des corps planétaires pour estimer l'orbite sans intervention au sol.

La navigation optique peut être divisée en deux catégories : relative et absolue. OpNav relative utilise des images d'un corps cible connu (par exemple, un astéroïde) pour calculer la position de l'engin spatial par rapport à ce corps. OpNav absolue utilise des images de planètes ou de lunes avec des éphémérides bien connus pour déterminer la position d'inertie de l'engin spatial. L'algorithme extrait d'abord des centroïdes du corps cible et des étoiles de fond. Il résout ensuite un problème de moindres carrés pour trouver la direction de pointage de l'appareil et les coordonnées du centre cible.

L'un des défis est que le corps cible peut apparaître comme seulement quelques pixels de loin. Les techniques de centroïdage avancées – comme l'utilisation d'un modèle de fonction gaussienne à diffusion ponctuelle – peuvent atteindre la précision sous-pixel. Pour les volbys et les phases d'approche, l'ajustement des membres (qui s'adapte à une ellipse au membre illuminé) fournit des informations de portée lorsque le rayon du corps est connu des éphémérides.

Pour les atterrisseurs et les missions de retour d'échantillons, la navigation par rapport au terrain (TRN) correspond à une image en temps réel à une carte stockée pour déterminer la position avec précision au niveau du compteur. Les exemples incluent le système de vision Lander Vision de Mars 2020 et la collection d'échantillons OSIRIS-REx de Bennu.

Apprentissage automatique et intelligence artificielle

Les réseaux neuronaux convolutionnels (RCN) peuvent effectuer une identification et un couplage robustes des étoiles, même lorsque les images étoiles sont dégradées par le flou du mouvement ou le rayonnement. Les RCN sont également utilisés pour la détection des cratères pendant le RRT, fournissant une meilleure robustesse que la combinaison des caractéristiques traditionnelles.

Un exemple notable est NASA-Autonomous Sciencecraft expérience sur Earth Observing-1, qui a utilisé l'IA à bord pour détecter des événements intéressants et de rétâcher l'engin spatial. Bien que ce n'est pas une mission en espace profond, il a démontré le potentiel d'autonomie cognitive.

Une autre zone prometteuse est la détection d'anomalie[ à l'aide de codeurs automatiques. En apprenant le comportement nominal des capteurs et des actionneurs spatiaux, un système AI peut signaler des déviations qui peuvent indiquer une défaillance matérielle ou un environnement inattendu.La navigation autonome peut alors ajuster la loi de contrôle ou passer à un mode sûr.

Contraintes informatiques à bord

Par exemple, le processeur RAD750 utilisé dans de nombreuses missions spatiales profondes fonctionne à environ 200 MHz et offre ~0,5 GFLOPS. Cela limite fortement la complexité des algorithmes qui peuvent fonctionner en temps réel. Les développeurs doivent optimiser chaque ligne de code, utiliser l'arithmétique à point fixe avec parcimonie et souvent mettre en œuvre des fonctions critiques dans le matériel (FPGA, ASIC). La mémoire est également limitée: les ordinateurs spatiaux typiques ont quelques centaines de mégaoctets de RAM.

Néanmoins, les avancées dans les FPGA tolérants aux rayonnements (p. ex. Microchip RTG4, Xilinx Virtex-5QV) permettent la mise en œuvre d'algorithmes très parallèles tels que le couplage de motifs d'étoiles ou la convolution d'images. Le programme High Performance Spaceflight Computing (HPSC) de la NASA vise à fournir une nouvelle puce de processeur (la puce -Sid) avec ~100x d'amélioration par rapport à RAD750, ouvrant la porte à l'IA embarquée.

Vérification et validation des algorithmes autonomes

Compte tenu du coût élevé et du risque élevé des missions spatiales profondes, les logiciels de navigation autonomes doivent être vérifiés et validés en profondeur (V&V), ce qui implique des essais de simulation et de matériel dans la boucle (HIL).

Les tests HIL utilisent du matériel de vol réel (processeur, caméras, traqueurs étoiles) avec des stimuli simulés, par exemple un champ étoile affiché sur un moniteur de précision ou un IMU stimulé sur une table de mouvement. Ceci capture des problèmes de chronométrage, des fuites de mémoire et des bogues d'intégration hardware-software que la simulation pure peut manquer.

Une partie critique de V&V est d'évaluer les performances du filtre dans des conditions déviantes[: serrure perdue, bruit de rayonnement élevé, mesures manquées, ou anomalies de propulseur. L'algorithme doit gracieusement dégrader plutôt que de s'écraser. Par exemple, si le traqueur d'étoiles perd le verrou, le filtre peut retomber sur les capteurs de propagation IMU et de soleil jusqu'à ce que l'identification des étoiles soit rétablie.

Études de cas: La navigation autonome en action

Espace profond 1 (1998-2001)

NASA-S Deep Space 1 a été la première mission à démontrer la navigation autonome comme technologie primaire. Elle a porté le système AutoNav, qui utilisait des images optiques d'astéroïdes pour naviguer sans intervention au sol. AutoNav a calculé la position de la sonde par rapport aux corps cibles, planifié les manœuvres de propulseur ionique, et les a exécutées. Le système a permis un survol d'astéroïde 9969 Braille et comète Borrelly. Deep Space 1 a validé que la navigation optique autonome pouvait répondre aux exigences de précision pour un rendez-vous dans un espace profond.

Nouveaux horizons (2006-2015)

La mission New Horizons à Pluton a utilisé la navigation optique pendant son approche en 2015. Alors que la navigation principale était basée au sol, l'engin spatial portait un imageur de reconnaissance à longue portée (LORRI) qui fournissait des images pour OpNav relative. Ces images ont été traitées sur le terrain pour le raffinement de trajectoire, mais les techniques ont démontré la faisabilité de pointage autonome et d'imagerie de cibles inconnues.

OSIRIS-REx (2016-2023)

Lors de la collecte d'échantillons de Touch-and-Go (TAG), l'engin spatial a utilisé le suivi des caractéristiques naturelles (NFT) basé sur le traitement d'images embarquées. Le système a corrélé les images en temps réel de la surface de l'astéroïde avec une carte préchargée du terrain pour guider l'engin spatial vers un site d'atterrissage précis. L'algorithme NFT a fonctionné sur l'ordinateur de vol principal et a atteint la précision du niveau de compteur, démontrant que la navigation autonome complexe est pratique pour les opérations de proximité de l'astéroïde.

Orientations futures: Navigation interstellaire et quantique

À des distances supérieures à 100 UA, le délai de communication aller-retour dépasse un jour, et le suivi DSN devient trop faible pour une détermination précise de l'orbite. Les sondes interstellaires devront naviguer uniquement à bord des capteurs – probablement une combinaison de traceurs étoiles, d'observations optiques des planètes extérieures du système solaire et de navigation à base de pulsar.

La navigation pulsaire utilise les émissions précises à temps des pulsars millisecondes comme GPS naturel. En mesurant les temps d'arrivée des impulsions de rayons X à partir de plusieurs pulsars, un vaisseau spatial peut déterminer sa position avec précision sur l'ordre de dizaines de kilomètres.Cette technologie est encore expérimentale mais a été testée sur l'ISS (expérience SEXTANT).Pour l'espace profond, un petit télescope à rayons X serait nécessaire, mais l'avantage est que les pulsars sont visibles à n'importe quelle distance du Soleil.

Les capteurs quantiques, tels que les horloges atomiques et les interféromètres à atomisation froide, les commandes de puissance promises, l'amélioration de l'accéléromètre et de la précision du gyroscope. Les ESA Ensemble d'horloge atomique dans l'espace (ACES) et NASA=L'horloge atomique de l'espace profond (DSAC) sont des précurseurs.

Enfin, L'autonomie sous l'influence de l'IA progressera probablement au point où l'engin spatial peut planifier et exécuter des survols multi-cibles complexes, optimiser l'utilisation du carburant et même éviter des débris ou des ceintures de rayonnement inconnus sans intervention humaine.

Conclusion

En réduisant la dépendance à l'égard du suivi terrestre, ces algorithmes permettent aux missions de rejoindre de plus loin les destinations, de fonctionner plus efficacement et de réagir à des événements imprévus. Les progrès de la navigation optique, de la ML, de la détection quantique et du traitement embarqué repoussent rapidement les limites de ce qui est possible.En tant que missions sur Mars, les planètes extérieures, et au-delà, deviennent plus ambitieuses, la navigation autonome sera un outil essentiel pour que les sondes puissent naviguer avec précision et confiance dans les vastes espaces vides du système solaire, et éventuellement dans le vide interstellaire.