Uzay sanatı her zaman insan erişiminin kenarında çalışır. On yıllardır, her manevra, her enstrüman okuması, her ders, bir yuvarlak-dönüşümlü iletişimin zemin kontrolü ile gerekli olduğunu - mesafelerin kontrol edilmesi için bir ek olarak değil, Mars'a bir sinyal, 4 ve 24 dakika boyunca bir yol alır. Jüpiter'e, bu, asteroitin ötesinde, gerçek zamanlı insan gözetimi yalnızca pratik bir konsepttir.
Bu makale, AI'nın uzay aracının bağımsız kararlar vermesine olanak sağlayan kritik rolü araştırıyor ve Dünya'dan talimatları beklemeden görev hedeflerini yerine getiriyor.Ayrıntılı bilgi ve keşif için bilimden, AI bir sonraki keşif nesli kilidini açmak için anahtardır.
Büyü Derin Uzayda Autonomy için
İletişim Latency ve Işık Sınırları
Mars'ta en temel sürücü, bir uzay aracı ve Dünya arasındaki gecikmenin, ağır kısıtlamalara yol açıyor. Mars'ta bir rover, bir boulder etrafında sürmek için izin vermek için “suç” yerine getiremez; zamana kadar, sensör verileri yetiştirip yerel kararlarla yerel olarak büyür.
Tahmin edilemez Ortamlar ve Olay Yanıtı
Uzay statik değildir. Asteroids tahmin edilen yörüngelerden bir yanan, güneş alevleri elektronikleri bozar ve gezegensel yüzeyler, önceden başlatılmamış modelin tam olarak yakalayamayacağı tehlikeleri gizler. Bir Mars rover karşılaşması beklenmedik bir kum dunya veya bir Europa orbiter, insan analizi için bekleyen bir araştırmayı tamamen uyarabilir ve bir bilimsel kampanyaya öncelik verebilir.
Ground Operations Burden Yeniden Üretilmesi
İnsan gözetimi pahalıdır. Her derin uzay misyonu, sürekli insan müdahalesi için mühendislerden oluşan bir ekip gerektirir, uzay ajansları aynı anda daha fazla görev başlatmaktadır -NASA'nın Artemis programı, ESA'nın gezegensel filo, ticari takımyıldızlar - zemin altyapısı sürekli insan müdahalesi ihtiyacını azaltır, operatörler rutin operasyonları ve hatta bazı acil durumlarla ilgili olarak üst düzey kararlara odaklanmaya olanak sağlar.
Core AI Technologies Özerk Kararlarını Teşvik Etmek
Makine Öğrenme ve Öpücük Tanımlama
Makine öğrenimi (ML) modelleri, özellikle derin sinir ağları, şimdi birkaç uzay aracı alt sistemlerde gömülüdür. Bu modeller, Dünya'da geniş veri setlerini kullanarak eğitilir - gezegen yüzeylerinin görüntüleri, önceki misyonlardan telemetri, simülasyonlar 2020 Peracance rover[Döneticileri kullanarak) ve daha sonra arazi tiplerini sınıflandırmak, bilimsel ilgi alanlarını tespit edebilir ve geleneksel eş-bazlı kontrolleri kullanarak ince araçlar tespit eder. Örneğin,Mars 2020 Peracance rover)
Adaptasyon Öğrenmesi Adaptive Control
Geleneksel uzay aracı kontrolü ön kabul edilen diziler ve geri bildirim döngüleri. Dondurma öğrenme (RL) daha ileri gider: a agent, çevre ile etkileşime girerek ve ödül veya cezalar alan bir aracı kullanarak en iyi bir politika öğrenir. Uzayda, RL, yörüngesel yeniden yapılan işler için araştırılır ve güç tüketiminden farklı olarak, NASA'nın Jet Propulsion Laboratory, potansiyel bir çevresel koşullara karşı bağımsız olarak hareket eden RL algoritmaları test etti.
Bilgisayar Vizyonu ve Sensör
Özerk navigasyon, kameralardan gelen verileri kullanarak, LiDAR, radar ve sabit sensörlere dayanıyor. Gelişmiş bilgisayar vizyonu algoritmaları - Jovian ay boyunca gezinen sinir ağları (CNNs) - aydınlatma görüntüleri, tahmin derinliği ve 3D bilinmeyen arazi haritaları oluşturmaya yardımcı olur. Europa Clipper misyonu, kamerayı kullanan veya AI tabanlı bir özellik eşleştirmesini kullanan bir sistemi taşıyacaktır.
Onboard Processing Constraints: Edge AI for Space
Uzay donanımı, modern bir akıllı telefon hızının bir kısmında (duygunluk) kullanılan ölçümler için modellerin optimize edilmesi ve arazide daha düşük bir alan için kullanılan FPGA hızlandırıcıları kullanarak, AI'nın hızına karşı daha düşük bir şekilde çalıştırılabilir.QUA SpaceCube v3.0)[B][B][B][B][B][B][/FONT=0]
Mevcut ve Future Missions'taki Anahtar Uygulamaları
Özerk bir seyir ve Obstacle Kaçınma
Belki de en görünür uygulama diğer dünyalarda otonom bir sürüşdür. Peracance rover onu kullanır:0)AutoNav) sistem, insan girişi olmadan 120 metreye kadar uzanır. Stereo kameralar araziyi önceden gösterir, bir AI algoritması tehlikeler (boulders, dik yamaçlar, gevşek kumlar), ve planlayıcılar üzerinde çalışır.[Dönetici:2Mars Helikopter Ingenuity[Dönetici 3Dış)
Bilimsel Hedef Seçimi
Mars'ta her kaya analiz edilmeye değer değildir. AI, antik yaşamın veya ilginç kimyanın işaretlerini içermeye yardımcı olur. Peracance'surFLT:0)WATSON) Bu süreç, makine öğrenimi ile birlikte, eski yaşamın veya ilginç kimyanın işaretlerini içermeye olanak sağlar.
Hata Tespiti, izolasyon ve Kurtarma (FDIR)
Uzaylı sürekli risklerle karşı karşıya: tek bir icat kozmik ışınları, sıkışık valfler, sensör sürükler veya yazılım aksaklıkları. Geleneksel FDIR sistemleri önceden yüklenmiş bir kural tabanlı senaryolara güvenebilir. AI modelleri, özellikle de bir anomali algılama algoritmaları, her alt sistemin normal davranışını ve bayrakları daha önce ve daha doğru bir şekilde öğrenebilir.Fortches.
Misyon Planlama ve Yeniden Planlama
Derin uzay görevleri genellikle günde sadece bir kez güncellenen programlarda çalışır. ancak beklenmedik olaylar (güçlü, bilimsel fırsatlar, yeni yörünge verileri) acil değişiklikler gerektirebilir. AI planlayıcıları, Jüpiter'in ay boyunca yeni komut dizilerini üretebilecek, bir uç noktası, termal sınırlar ve iletişim pencereleri dikkate alabilir.
AI-Driven Spacecraft
Mars Rovers: Pathfinder'den Perbatance'a
Rover özerkliğinin evrimi açık bir anlatıdır.(D)Dönemli (Dönetici)[Dönetici: 3 ) ve Döküzücük (Dönetici)[Dönetici: 4 ))))))))) Basit bir şekilde tasarlanmış bir görüntüyü (Curiosity) ile özelleştirilmiş bir şekilde takip eden (Dönetici) ile ilgili olarak, görsel odometri ve tekrar değerlendirme yeteneği (Dönetici) ve tekrarlama yeteneği [Dönetici)
Deep Space 1: Özerk Bir Navigasyonun Öncüü
1998 yılında, NASA'nın GÜNÜ:0) Deep Space 1) Görevi, iter başarısızlığı test etti ve misyonu yeniden planlayan bir konseptti.Akademik olmayan iki gün boyunca uzay aracı başarıyla idare edebilir.
Europa Clipper: Harshest Radyasyon Ortamı'nda AI
2020'lerde başlatmak için Set to start in the 2020s, theurFLT:0)Europa Clipper[Dönetici:0) Görev Jüpiter'in yoğun radyasyon kemerlerinde çalışacak. AI'nın şu anki gücü, işaret eden ve icy mühendislerine bağlı olarak, sınıfsal yüzey özelliklerini düşük çözünürlüklü görüntülerden alan bir makine öğrenimi modeli kullanması gerekir.
SpaceX Dragon: Özerk Bir Docking ve Return
Derin bir uzay görevi olmasa da, arsa ve güç sensörlerinin kontrolü için kullanması gerekir.UzmanlıkX Dragon) Uzayda AI odaklı bir özerklik gösterir.Uluslararası Uzay İstasyonuna taşınmak tamamen otonomdir, istasyon ve güçlendiricileri kontrol etmek için bilgisayar vizyonu kullanmak.
Meydanlar ve Mitigations
Radyasyon ve Donanım Güvenilirlik
Uzay radyasyonu hafızayı biraz döndürebilir, latch-uplar ve degrad elektronik bileşenlere neden olabilir. AI işlemciler özellikle de paralel operasyonlar gerçekleştirmelidir. Mitigations include radyasyon-hardized design (e.g[D, using silikon-on-insulator technology), üç adet redüpsiyon (TMR) için kritik mantık ve mevcut 750 tabanlı bellek sistemlerinin performansını artırmak için.
Güç Konsolları ve Termal Yönetim
AI inference gücü tüketiyor - güneş panelleri veya radyoisotope jeneratörleri tarafından desteklenen bir uzay aracı üzerinde değerli bir ürün.Intel Movidius) Peracover üzerinde kullanılan tek derin öğrenme sinir ağı, küçük bir radyolojik nöromorfik nöromorfik sistemler üzerinde yasaklanabilir, bu da sadece miliwatt olmayan özel çipler geliştirirken kullanılabilir.
AI Systems'in Geçerliliği ve Sertifikaları
Uzay ajansları, yazılımlara güven düzeyinin aşırı derecede yüksek düzeyde gerektirir. Geleneksel sertifikasyon yöntemleri, insan hazırlayıcı testlere güvenir - ancak sinir ağları, güvenlik-kahkalama sistemleri ile ilgili kontrol sistemleri için kılavuzlar geliştiriyor. Araştırmacıların keşifsel AI (XAI)[Dönlenebilir AI)[XAI)).
Siber güvenlik ve Data Integrity
Dünya ile telekomünleri veya değişim verilerini kabul eden bir Özerk AI sistemleri kötü niyetli müdahaleye karşı savunmasızdır. Bir saldırgan, bir AI'ya yanlış bir şekilde müdahale ettiklerinde tespit edilebilir ve güvenli mod çalışmasına geri dönebilir.
Future Prospects: Tam Özerk Derin Uzay Keşfetlerine Doğru
Mürettebatlı Misyonlar Mars'a
Mars'a İnsan misyonları, AI'nın yaşam desteğini yönetmesi, gezi sitelerini yönetmesi ve acil durumlarda astronotlara yardımcı olmak için AI'yı gerektirecektir. [FONT:0]Artemis) programı, AI'nın yaşam sürelerini koordine etmesi için kalıcı bir Ay oluşturmak için tasarlanmıştır.
Swarm ve Multi-Spacecraft Koordinasyon
Gelecek misyonlar, güneş radyo patlamalarının gözlemlerini senkronize etmek için AI'yı içerebilir.TheETHFLT:0)SunRISE) misyonunu (altı CubeSats seti) kullanarak, AI'yı daha derin bir alanda, swarms haritaları keşfedebilir veya sanal teleskoplar oluşturabilir.
AI, Astronauts için bir ortak olarak
Bilişsel asistanlar:0)CIMON[[Dönetici Mobil Companion) zaten ISS. Future versiyonlarındaki astronotlara yardımcı olmak için doğal dil işleme ve AI’yı kullanıyor ve hatta bakım ihtiyaçlarını tahmin edebiliyor ve hatta Mars’a kadar olan görevlerde olduğu gibi, bu tür AI yoldaşları astronotların iş yükünü ve karar yorgunluğunu azaltma konusunda eleştirel hale getirecek.
Uzun Süreli Kendi-Susing Kolonies
Sonuçta, AI, Ay veya Mars'ta tamamen özerklikler sağlayabilir - genişletilmiş dönemler için doğrudan insan kontrolü olmadan çalışan sömürgeler.Bu tür sistemler, güç şebekelerini, su geri dönüşümlerini, ekinleri ve üretimini, tüm bunları tamir ederken, kendilerini denetleyebilir.
Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç
Yapay zeka sadece uzay aracı için bir artış değildir - hiçbir zaman meydan okuma, güç, doğrulama, güvenlik – ışıktan gelen on yıl boyunca, AI odaklı özerklik, neredeyse her derin uzay misyonuna tepki vermek için standart bir tasarım özelliği haline getiririz, geri dönüp bakmadığımız ortamlar – yıldızlara bakılabilir, ancak gelecek on yıl boyunca, uzayın keşfinden, doğruyu söyleyeceğiz.