חקר החלל העמוק מציג אתגרים ייחודיים לניווט בשל המרחקים העצומים והתקשורת המוגבלת עם כדור הארץ.פיתוח אלגוריתמים אוטונומיים חיוני כדי להבטיח את ההצלחה של בדיקות חלל עמוקות ככל שהן מסתכנות עמוק יותר אל תוך היקום.ללא אוטונומיה, החללית תסתמך במידה רבה על מעקב מבוסס קרקע, שיטה שהופכת להיות יותר ויותר לא מעשית כמו עיכובים מכמה דקות עד שעות אוטונומיות, מאפשרת בדיקות כדי לקבוע את המיקום, הכיוון, וכיוון אמיתי, ותגיב לכיוונים אוטונומיים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לכיוונים אוטונומיים, לאלגוריתמים, ולת, לכיוונים אוטונומיים, ולת, לאלגוריתמים, ולת, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים, לשיטות חלליים, לכיוונים לא-לפתור יותר ויותר לא-לפתור משימות מהירות ולפתור אלגוריתמים, לאלגוריתמים, לאלגוריתמים, לאלגוריתמים,

האתגר של תקשורת חלל עמוק

כחקירה נעה מעבר לירח, זמן האור העגול (RTLT) ל אותות רדיו גדל במהירות.עבור מאדים, טווח העיכוב בין 4 ל-24 דקות; עבור צדק, כ-1.3 שעות; עבור כוכבי הלכת החיצוניים, זה יכול לעלות על כמה שעות.במרחקים בין כוכבי הלכת, עיכובים של ימים או שבועות על גבי רשת החלל העמוק (DSN) כדי למדוד את השינויים האוטונומיים ואת אותות הניווט הארוך יותר, אך לעתים קרובות יותר, הם בטווח הארוך, לאחר זמן קצר יותר, בטווח הארוך, הוא מצמצם את הפחתת זמן קצר יותר, לאחר מכן, לאחר מכן, לאחר מכן, בטווח הארוך, כלומר, לאחר מכן, בטווח הארוך, בטווח הארוך, הוא מוגבל, כלומר, הוא מצמצם את הניווט קבוע, בטווח הארוך, בטווח הארוך, בטווח הארוך, הוא מצמצם את רמת הפחתת זמן קצר יותר, לאחר מכן, זמן קצר יותר, לאחר מכן, זמן קצר יותר, בטווח הארוך, בטווח הארוך, לאחר מכן, בטווח הארוך, זמן קצר יותר, בטווח הארוך, בטווח הארוך, בטווח הארוך, בטווח הארוך, בטווח הארוך, זמן קצר יותר, בטווח הארוך, לאחר מכן, בטווח של זמן קצר יותר, בטווח של זמן קצר יותר, בטווח של זמן קצר יותר, בטווח הארוך, הוא מאפשר, זמן קצר יותר, כלומר, זמן קצר

עקרונות של ניווט אוטונומי

[הניווט האוטונומי של חקר החלל העמוק כולל שלוש משימות בסיסיות: קביעת מצב החללית (ההצעה, מהירות וגישה), החיזוי מסלול העתיד שלה תחת השפעות כבידה, ותכנון תמרונים להשגת מטרות משימה.המשימות הללו קשורות בין מחזור מתמשך של חישה, estimation ובקרתו.התמשימת הקלוש של כדור הארץ משתמשת בדרך כלל בנתוני מפרץ חוזרים ומדנמיים (Flastal Defer) מאפקטים של דגם 1Fentedanceer (Fer) דינמית (Flastal Defer) או בקיצור: CIRSTD2D (FD)

המדינה אסטיג

הווקטור הממלכתי כולל בדרך כלל את עמדת קרטסיאן ומהירות, בתוספת קביעת היחס ושיעורי האנגולריים.הצעד החיזוי מפיץ את המדינה קדימה בזמן באמצעות שילוב מספרי של משוואות התנועה.צעד העדכון משלב מדידות חדשות של חיישן לתקן את המדינה הצפויה.הבחירה של מסנן תלויה משאבים חישוביים ולא לינאריות. בעוד EKF משמש באופן נרחב בשל הפשטות שלה, בריטניה F מבצעת מדי פעם בדיקות מהירות יותר, ללא פילטרים חזקים יותר.

המונחים: right Determination

ידע גישה מדויק הוא חובה עבור אנאנטנות מצביעות, מכשירים ומוליכים.כוכבים עוקבים הם החיישן העיקרי: הם ללכוד תמונה של שדה הכוכבים, להתאים דפוסים כוכבים צפה נגד קטלוג על הסיפון, ומדגישים את הכיוון. הקטלוג מכיל בדרך כלל עמדות וגודלים של כמה אלפי כוכבים.עבור משימות חלל עמוקות, המסלול הכוכב חייב להיות מוקרן קרינה והיכולת לפעול בסביבות תאורה נמוכה.

Orbit Determination

(ב) נחישות אורביט מסתמכת באופן מסורתי על מעקב רדיואקטיבי מבוסס קרקעי.עבור ניווט אוטונומי, המחקר משתמש במדידות אופטיות של גופים שמיים ידועים (צילום: A מצלמה תמונות כוכב לכת, ירח או אסטרואיד כנגד רקע הכוכבים.המיקום הנראה של הגוף ביחס לכוכבים משמש כדי להסיק את קו הראייה של מערכת ההפעלה (Deventure) של מערכת ההפעלה 1DVertualtial (DVerve) ו-F2 (DVal) נעשה שימוש ב-F2F) ב-Ratetialervetatives: 1LT) ו-DVervetialervetine (DVervetinetial Systems: 1DVertine (DVertial) הוא מספר LT) ב-F2F2F2F2F2F) באמצעות מספר LT) באמצעות מספר LT) באמצעות מספר LT) באמצעות מספר LT) באמצעות LT (DVervential Systems (DVervedows (DVertial Systems (DVervetial Systems) באמצעות שילוב של LT) באמצעות מספר LT) באמצעות מספר LT) באמצעות מספר LT) באמצעות שימוש ב-R.

טכנולוגיות חיישנים עבור Autonomy

ניווט אוטונומי מבוסס על חבילת חיישנים המספקים נתונים משלימים.הנפוצים ביותר הם:

  • (ב) ⁇ :0) עוקבים: 1FLT (ב) לספק גישה מוחלטת עם דיוק קשת שנייה.
  • (ב) ,0 יחידות מדידה אינפורמטיביות (IMUsrovment): FLT ( 1:1 לספק שיעורי זוויתיים והאוצות ליניאריות בתדר גבוה; מצטברים סחף לאורך זמן ודורשים תיקון תקופתי.
  • (ב) ⁇ 0 ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (FLT:0) מצלמות כבדות: FLT:1 בדרך כלל panchromatic או רב-ספקטרלי שלוכדים תמונות של מטרות עבור OpNav. חלק מהמשימות נושאות מצלמות ניווט אופטיות ייעודיות.
  • (ב) ⁇ :0)Laser Altimeters (LiDAR): TERLT:1 טווח משטח פלנטרי עם דיוק גבוה.

בדיקות חלל עמוקות עתידיות עשויות לכלול גם את חיישנים עתידיים:0 (למשל, מדמטרים אטומיים) המציעים מדידות של האצה ללא סחף, פוטנציאל לשפר את דיוק הניווט ארוך טווח.

מסגרות אלגוריתיות וניווט אופטי

הליבה של ניווט אוטונומי טמונה באלגוריתמים שממעבדים את נתוני החיישן ואת הערכות המדינה הנאות.המסגרת הסטנדרטית היא מסנן קאלמן, אך גרסאות מעשיות רבות קיימות.לדוגמה, סוכנות החלל האירופית (ESA) FLT:0:0Auomous OpticalניווטFiationFLT:1 פיתחה מסנן שתהליכי תמונות של גופים פלנטריים להעריך את מסלול ללא התערבות הקרקעית.

ניווט אופטי בחלל עמוק

ניתן לחלק את הניווט האופטיאלי לשתי קטגוריות: יחסית ו מוחלט. Relative OpNav משתמש בתמונות של גוף מטרה ידוע (למשל, אסטרואיד) כדי למקם את עמדת החללית ביחס לגוף זה. Absolute OpNav משתמש בתמונות של כוכבי לכת או ירחים עם אפסים ידועים כדי לקבוע את המיקום הלא-מרטי של החללית.

אתגר אחד הוא שגוף היעד עשוי להופיע רק כמה פיקסלים מ Afar. טכניקות מתקדמות - כגון שימוש במודל של תפקוד נקודתי גאוסי - יכול להשיג דיוק תת-pixel. עבור טנסיביות ונקודות גישה, התאמה (התאים ל- ellipse אל הגפיים המואר) מספק מידע כאשר הרדיוס הגוף ידוע מ- ephemerides.

ניווט טרה-ראלי

עבור לנדרס ודגימה להחזיר משימות, ניווט שטחי (TRN) מתאים תמונות בזמן אמת למפה מאוחסן כדי לקבוע מיקום עם דיוק ברמת מטר.דוגמאות כוללות את מערכת ראיית הקרקע של Mars 2020 Perseverance rover ואת אוסף מדגם OSIRIS-REx של Bennu. TRN משתמש במצלמה מכוונת מטה, והאלגוריתם מתואם תכונות (למשל, מכתשים, מכתשים), עם סלעים, דורשות דיוק משמעותי על גבי לוח נחיתה.

למידת מכונה ואינטליגנציה מלאכותית

ההתקדמות האחרונה בלמידה של מכונות (ML) מתחילה להשפיע על רשתות עצביות אוטונומיות. Convolutional (CNN) יכול לבצע זיהוי כוכבים חזק דפוס התאמה גם כאשר תמונות כוכבים מוזנחות על ידי מטושטש תנועה או קרינה. CNN משמשים גם עבור מכתש במהלך זיהוי TRN, מתן יעילות יותר מאשר התאמה המסורתית.עבור תכנון, חיזוק (RL) סוכנים יכולים ללמוד תרגילים אופטימליים ברצף מדומה בסביבה מדומה, צמצום חישובית.

דוגמה בולטת אחת היא הניסוי המדעי של נאס"א:0 (Autonomous SciencecraftFLT:1) על כדור הארץ ראוי לציון 1, אשר השתמש ב- AI כדי לזהות אירועים מעניינים ולשחזר את החללית.בעוד שלא משימה חלל עמוק, הוא הראה את הפוטנציאל לאוטונומיה קוגניטיבית.עבור חלל עמוק, מודלים של ML חייב להיות מכוונן ודחוס כדי להתאים בתוך קרינה-FPG או מעבדים מוגבל של אלגוריתמים של אלגוריתמים ללא ספק.

אזור מבטיח נוסף הוא (FLT:0 â € ¢ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

על גבי קונסולות

מעבדים בעלי ערך חלליים העולים מאחורי עמיתים מסחריים בביצועים.לדוגמה, מעבד RAD750 המשמש במשימות חלל עמוקות רבות פועל בסביבות 200 MHz ומציעים -0.5 GFLOPS.זה מגביל באופן חמור את המורכבות של אלגוריתמים שיכולים לפעול בזמן אמת.מפתחים חייבים לייעל כל קו קוד, להשתמש בקידוד קבוע, ולעתים קרובות ליישם פונקציות קריטיות בחומרה (GA, ASIC) הוא גם מספר רב של מחשבים מאומנים.

עם זאת, ההתקדמות ב-FPGAs סובלני קרינה (למשל, Microchip RTG4, Xilinx Virtex-5QV) מאפשרת יישום אלגוריתמים מקבילים מאוד כגון תבנית כוכבים התאמה או מהפכת תמונות.TheFLT:0 High Performance Space Flight מחשוב (HPSC)FLT:1 על ידי נאס"א שואפת לספק מעבד חדש (theSid) עם שבב פתוח, מעל AIRADx, על ידי נאס"א) עבור פתח פתחה- AIRADx, על ידי נאס"ל.

אימות ואימות של אלגוריתמים אוטונומיים

בהתחשב בעלות גבוהה וסיכון של משימות חלל עמוקות, תוכנת ניווט אוטונומית חייבת להיות מאומתת לחלוטין ומאומתת (V&V) זה כרוך הן סימולציה והן בחומרה-ב-In-the-the-In-the-the-In-the-loop (HIL) בדיקות סימולציות נאמנות גבוהה מודל החללית, רעש החיישן, ביצועי אקטוטור והפרעות סביבתיות (למשל, לחץ קרינה סולארית, כוח הכבידה של גוף שלישי).

בדיקות HIL משתמשות בחומרה לטיסה בפועל (מעבד, מצלמות, עוקבים כוכבים) עם גירויים מדומים - לדוגמה, שדה כוכבים המוצג על ניטור דיוק או IMU מעורר על שולחן תנועה.זה תופס בעיות תזמון, דליפות זיכרון, ושילוב חומרה-תוכנות חומרה כי סימולציה טהורה עשויה להחמיץ. כי מערכות אוטונומיות עלולות להיתקל במצבים לא מתוכנתים במפורש, התנהגות חזקה מושגת לעתים קרובות באמצעות אלגוריתמים: אלגוריתמים מרובים, אלגוריתמים, אלגוריתמים מקבילים עבור אלגוריתמים, אלגוריתמים, דפדפנים, תואמים תואמים אלגוריתמים, תואמים תואמים תואמים מוטציות ותחנות כוח אדם, למערכות למערכות למערכות סימולציה עבור סימולציה טהורה, למערכות למערכות מוטציות, למערכות תואמים תואמים מוטציות, למערכות מוטציות, מוטציות, מוטציות, מוטציות, למערכות מוטציות, מוטציות, סימולציה טהורה עבור למערכות למערכות אוטונומיות עבור למערכות אוטונומיות עבור מוטציות, מוטציות, כי מוטציות, כי מוטציות, כי סימולציה טהורה, סימולציה טהורה, כי מוטציות, כי סימולציה יכול להתעכבות יכולות להתפוגגבות עבור סימולציה טהורה יכול להחמיץ סימולציה טהורה סימולציה יכול להחמיץ מוטציות סימולציה

חלק קריטי של V&V הוא הערכה של ביצועי המסנן תחת תנאי FLT:0deviantibFLT:1: מנעול כוכבים אבוד, רעש קרינה גבוה, מדידות מפספסות, או anomalies דחף.האלגוריתם חייב להידרדר בחסד ולא להתרסק. לדוגמה, אם כוכב הלכת עוקב אחר מנעול, מסנן יכול ליפול בחזרה על IMU propagation השמש עד החיישנים חוזרים.

מחקרים: ניווט אוטונומי בפעולה

חלל עמוק 1 (1998–2001)

החלל העמוק של נאס"א היה המשימה הראשונה להפגין ניווט אוטונומי כטכנולוגיה עיקרית.הוא נשא את מערכת ה-FLT:0 (AutoNavoriFLT:1), שהשתמשה בתמונות אופטיות של אסטרואידים לנווט ללא התערבות קרקעית. AutoNav לכד את עמדת החקירה ביחס לגופים היעד, דחפור מתוכנן, והוצא להורג אותם.

ניו-הוריאנס (2006–2015)

המשימה החדשה של פלוטו השתמשה בניווט אופטי במהלך גישתה בשנת 2015. בעוד שהניווט העיקרי היה מבוסס קרקע, החללית נשאה תמונה ארוכת טווח של סיור (LORRI) שסיפקה תמונות עבור אופוס יחסי.תמונות אלה מעובדות על הקרקע עבור זיכוך מסלול, אבל הטכניקות הראו את האפשרות של הצבעה אוטונומית ודמיית של מטרות לא ידועות.

OSIRIS-REx (2016–2023)

המשימה של נאס"א OSIRIS-REx של אסטרואיד Bennu העסיקה חבילה של טכניקות ניווט אוטונומיות. במהלך איסוף הדגימה Touch-and-Go (TAG) של נאס"א, החללית השתמשה במעקב אחר תכונה טבעית (NFT) בהתבסס על עיבוד תמונות של תמונות לוח מודעות.המערכת תתאים תמונות בזמן אמת של פני אסטרואיד עם מפת שטח מואצת מראש כדי להנחות את החללית לאתר נחיתה מדויק.

כיוונים עתידיים: Interstellar ו- Quantum Navigation

כאשר סוכנויות מתכננים משימות לחלל בין כוכבי (למשל, פריצת דרך Starshot, בין-כוכביאר חקירות), ניווט אוטונומי הופך לא רק מועיל, אלא חובה על מרחקים מעבר ל -100 AU, עיכוב תקשורת עגול עולה יום אחד, ו-DSN מעקב הופך חלש מדי עבור נחישות מסלול מדויק של מערכות בין כוכבי הלכת הבין-כוכבי הלכת יצטרכו לנווט רק על חיישנים - כמו שילוב של מסלולים אופטיים, תצפיות אופטיות של כוכבי הלכת, ותצפיות על בסיס מערכת השמש.

(FLT:0)PulsarניווטFLT:1 משתמשת פליטות בזמן בדיוק מן הפולסרים של מילימטריים כ GPS טבעי.על ידי מדידה של זמני ההגעה של הדופק X-ray ממספר פולסרים, חללית יכולה לקבוע את עמדתה עם דיוק על סדר של עשרות קילומטרים. טכנולוגיה זו עדיין ניסיונית אך נבדקה על ISS (SEXTANT).

חיישנים קוונטיים, כגון שעונים אטומיים ומדומטרים קרים, מבטיחים הזמנות של הבנה שיפור דיוק של אג"מ וגיאורגוסקופים דיוק ESA'sFLT:0 [Atomic שעון Ensemble in Space (ACES)FLT:1 ו- נאס"א של אטומי חלל אטומי (DSAC) הם סימנים של פילטרים עתידיים ללא סחפות זמנים ארוכים.

לבסוף, (FLT:0) אוטונומיה המונעת על ידי התעשייה האווירית 1FLT) צפויה להתקדם לנקודה שבה החללית יכולה לתכנן ולבצע טיסבי דלק מורכבים, לייעל את השימוש בדלק, ואפילו להימנע מהריסות או חגורות ללא קלט אנושי.זה ידרוש על גבי לוח AI שיכולה לגרום למשימות ולמגבלות בזמן אמת.

מסקנה

אלגוריתמים של ניווט אוטונומי הם טכנולוגיה בסיסית לדור הבא של חקר החלל העמוק.על ידי צמצום ההסתמכות על מעקב מבוסס כדור הארץ, אלגוריתמים אלה מאפשרים למשימות להגיע ליעדים נוספים, לפעול ביעילות רבה יותר, ולהגיב לאירועים בלתי צפויים.התקדמות בניווט אופטי, ML, קוונטים חישה, ועיבוד על הסיפון הם דוחפים במהירות את הגבולות של מה אפשרי.