Les 6 meilleurs projets d'IA de la NASA qui stimulent l'exploration spatiale

Pour étudier la Terre et explorer les vastes étendues de l’espace, la NASA utilise les progrès récents de l’intelligence artificielle (IA). Le groupe AI du Jet Propulsion Laboratory effectue des recherches fondamentales dans les domaines de la planification et de la programmation de l'intelligence artificielle, avec des applications pour l'analyse scientifique, les opérations de réseaux dans l'espace lointain, la commande d'engins spatiaux et les systèmes de transport spatial.

Aujourd'hui, nous allons élaborer certains des projets majeurs sur lesquels JPL travaille actuellement. La plupart d'entre eux sont liés à la technologie de planification, à l'autonomie des engins spatiaux et à l'autonomie des rover.

6. TREMBLE

Interface graphique ASPEN

Le groupe AI du JPL a travaillé sur un système connu sous le nom d'ASPEN (pour Automated Scheduling and Planning Environment). Il s'agit d'un cadre modulaire et reconfigurable qui peut prendre en charge de nombreux types d'applications de planification et d'ordonnancement.

Le cadre comprend une variété de composants qui implémentent les éléments, que l'on trouve principalement dans les systèmes de planification ou d'ordonnancement complexes, tels qu'un système de raisonnement temporel, un système de gestion des ressources, un langage de modélisation expressif et une interface graphique. Plus précisément, il est utilisé dans la planification de la conception de missions, les opérations d'engins spatiaux, la planification des rover de surface, la planification coordonnée de plusieurs rovers et la planification de plusieurs rovers.

En tant que système au sol, ASPEN utilise un modèle interne du vaisseau spatial et différents objectifs de haut niveau pour fournir des commandes spécifiques à exécuter par le vaisseau spatial. En tant que système basé sur le vol, il reçoit en permanence des mises à jour sur l'état du mobile et met à jour le plan pour refléter les changements environnants. En tant que système de planification d'antenne, il est utilisé pour contrôler de manière autonome une station DSN.

La technologie de l’IA est basée sur la recherche heuristique, la réparation itérative et le raisonnement temporel. Le cadre a une architecture générique qui facilite la sélection parmi différents algorithmes de propagation et moteurs de recherche pour rendre le processus de planification efficace. De plus, les utilisateurs peuvent interagir avec le calendrier et replanifier rapidement et efficacement.

Il est actuellement disponible pour des licences externes mais pas pour l'exportation. À l'avenir, ASPEN sera utilisé pour intégrer la planification des réparations à l'exécution.

Référence : ai.jpl.nasa.gov 

5. MISUS

Le système de compréhension scientifique intégré multi-rover (MISUS) développe des technologies pour contrôler les rovers destinés à l'exploration planétaire. L'architecture MISUS développée par la NASA se compose de trois composants principaux : 

Analyse des données : Un système d'apprentissage automatique distribué, effectuant un clustering non supervisé pour modéliser la distribution des types de roches observées par les rovers. Il peut diriger la détection du rover pour améliorer continuellement le contenu de la scène planétaire.

Planification : Un système de planification distribué, générant des plans d'opérations pour atteindre les objectifs scientifiques du rover. Il existe un planificateur central qui répartit les objectifs scientifiques entre les rovers, et un ensemble de planificateurs distribués associé à chaque opération sur un rover individuel.

Simulateur d'environnement :  Un simulateur à plusieurs rovers, modélisant plusieurs opérations géologiques environnantes et scientifiques de rover. Il traite les données scientifiques de tous les environnements, assure le suivi des opérations et reflète les observations effectuées par l'équipement scientifique du mobile.

Le système global fonctionne en boucle fermée où le système d'analyse des données peut être considéré comme un processus d'exploration piloté par des scientifiques. Tout d'abord, les données sont transmises à des algorithmes de clustering mobiles, qui intègrent toutes les données collectées dans un modèle global mis à jour et diffusent le nouveau modèle aux clusterers distribués.

Le résultat du regroupement est utilisé par un algorithme de priorisation pour produire un nouvel ensemble d’objectifs d’observation, ce qui améliorera encore la précision du modèle. Les objectifs sont ensuite transmis à un planificateur central qui attribue des objectifs aux mobiles individuels de manière à traiter les demandes le plus efficacement possible.

Chaque planificateur de mobile génère ensuite des actions spécifiques qui permettront d'atteindre autant d'objectifs que possible. Les séquences d'action sont ensuite envoyées au simulateur où elles sont mises en œuvre et toutes les informations collectées sont renvoyées aux clusters de mobiles. Le cycle entier se poursuit jusqu'à ce que suffisamment d'informations soient collectées pour générer des groupes distincts pour tout type de roche observé.

Référence :ntrs.nasa.gov

4. Vaisseau spatial distribué

Le projet utilise les dernières technologies pour contrôler des constellations de vaisseaux spatiaux avec des objectifs de mission plutôt que des séquences de commandes pour chaque vaisseau spatial individuel.

Cette recherche fait progresser les capacités de modélisation et de simulation pour permettre une simulation de haute précision et en temps réel des formations et des clusters d'engins spatiaux grâce à des technologies distribuées.

La NASA développe une nouvelle architecture de simulation pour utiliser la nature distribuée de la formation et diviser la simulation entre plusieurs processeurs dans un cluster. HYDRA (Hierarchical Distributed Reconfigurable Architecture), par exemple, est développé pour déployer de manière transparente des modules et des technologies simulés dans des environnements mixtes et multiplateformes.

HYDRA automatise le processus de communication entre les modules de simulation. Il a été intégré avec succès dans FAST (Formation Algorithms and Simulation Testbed) dans le cadre du programme Terrestrial Planet Finder.

Lire :La NASA va utiliser l'intelligence artificielle pour les réseaux de communication spatiale

L’objectif global est de construire des algorithmes d’optimisation globale robustes et rapides capables de résoudre les problèmes de guidage, d’estimation, de contrôle et de prise de décision des vols en formation. Cela comprend des estimateurs distribués rapides pour le vol en formation, une allocation distribuée des ressources entre les engins spatiaux, un contrôle robuste du maintien de la formation, une planification optimale de la trajectoire de reconfiguration du carburant de la formation et une commande de mode.

Source : dst.jpl.nasa.gov

3. CASPER

CASPER (pour Continuous Activity Scheduling Planning Execution and Replanning) utilise la réparation itérative pour prendre en charge l'altération ou la modification continue du vaisseau spatial.

Les modèles de planification conventionnels orientés par lots présentent plusieurs inconvénients. Construire un plan à partir de zéro nécessite une quantité importante de calculs, et les ressources informatiques embarquées sont généralement limitées.

L'objectif est de rendre le planificateur plus efficace et plus réactif aux changements inattendus. Le planificateur qui peut réduire la dépendance aux modèles prédictifs, comme les erreurs de modélisation inévitables.

Pour y parvenir, JPL utilise une technique de planification continue connue sous le nom de CASPER.  Le planificateur dispose d’un ensemble d’objectifs actuels, d’un état et d’un modèle du résultat attendu. Une mise à jour incrémentielle de l'état actuel peut être appliquée à tout moment. Cette mise à jour peut concerner n'importe quoi, depuis de simples ajustements de progression temporelle jusqu'à des événements inattendus.

Le planificateur maintient en outre un plan cohérent avec les dernières données disponibles. Cependant, la plupart du temps, les choses ne se passent pas comme prévu. C'est là que le planificateur entre en action :il est prêt à modifier continuellement le plan en fonction du scénario.

Architecture d'exécution multi-mobile

L'approche itérative actuelle de planification des réparations permet des modifications progressives de l'état initial ainsi que des objectifs, puis de résoudre les conflits étape par étape. Après chaque itération, son effet sera propagé aux conflits découverts et au plan mis à jour (par exemple les algorithmes de réparation du plan invoqués).

Cette technologie est utilisée dans les opérations de rover planétaire, New Millennium Earth Orbiting 1, Citizen Explorer, la transpiration spatiale hautement réutilisable, les rovers distribués, la mission de cartographie antarctique modifiée, et bien plus encore.

Référence : casper.jpl.nasa.gov

2. Web de capteurs de volcan

Le projet utilise un réseau de capteurs reliés par Internet et des logiciels à une capacité de réponse autonome d'observation par satellite. Il est développé avec une architecture modulaire et flexible pour faciliter l'expansion des capteurs, la personnalisation des scénarios de déclenchement et des réponses.

Jusqu'à présent, il a été utilisé pour mettre en œuvre un projet de surveillance mondiale afin d'examiner les volcans. De plus, la NASA effectue des tests de capteurs pour étudier les événements de cryosphère, les inondations et les phénomènes atmosphériques.

Architecture de détection et de réponse Sensorweb

Plusieurs satellites opérationnels mettent leurs données à disposition gratuitement, comme les données du MODIS (Moderate Resolution Imaging Spectrometer) qui sont disponibles presque en temps réel via Direct Broadcast. Ces données offrent une couverture mondiale et régionale avec des capacités de détection impressionnantes.

Cependant, ces équipements ne fournissent pas de données en haute résolution adaptées à de nombreuses applications scientifiques. En fait, la plupart d'entre eux sont des actifs très demandés et très contraints.

Dans Volcano Sensorweb, des capteurs à haute couverture et basse résolution sont utilisés pour déclencher des observations par des appareils haute résolution. En outre, il existe de nombreuses autres raisons de réseauter des capteurs dans un réseau de capteurs. Par exemple, une réponse automatisée pourrait rendre possible l’observation via des dispositifs complexes tels que le radar imageur. Ou bien, ils pourraient être utilisés pour augmenter la fréquence d'observation afin d'améliorer la résolution temporelle.

Lire :Les 10 règles de codage de la NASA pour l'écriture de programmes critiques pour la sécurité

Pour l’instant, il est utilisé pour surveiller les 50 volcans les plus actifs de la planète. En outre, la NASA mène également des expériences pour surveiller les incendies de forêt, les inondations et les événements cryosphériques.

Référence : ai.jpl.nasa.gov

1. ASE

Les vaisseaux spatiaux utilisés lors des missions précédentes de la NASA (avant 2000) n’avaient pas la capacité de prendre eux-mêmes des décisions autonomes sur la base des données collectées dans l’espace. Cependant, l'ASE (Autonomous Sciencecraft Experiment (ASE), exploitée à bord de la mission d'observation de la Terre-1 depuis 2003, utilise la planification continue, la reconnaissance de formes embarquée et l'apprentissage automatique pour accroître l'efficacité.

Le logiciel ASE démontre la capacité d'utiliser la prise de décision embarquée pour identifier, examiner et répondre aux événements et relier uniquement les données qui contiennent la valeur la plus élevée.

Cette technologie d'IA comprend de nombreux modules utiles tels que

• Algorithme scientifique intégré pour analyser les données d'image afin de détecter les conditions de déclenchement
• Logiciel de gestion d'exécution robuste permettant un traitement basé sur les événements et une autonomie de bas niveau.
• Logiciel CASPER pour replanifier les activités cruciales telles que la liaison descendante.

L'ASE ouvre un large éventail de nouvelles opportunités dans les domaines des sciences de la Terre, de la physique spatiale et des sciences planétaires. La technologie réduit les temps d'arrêt perdus en raison d'anomalies, réduit le temps de configuration des équipements grâce à l'utilisation d'un logiciel d'autonomie et augmente considérablement la science par liaison descendante fixe.

Lire :13 des plus grandes missions futures de la NASA

Initialement, l'ASE contient des cibles scientifiques pour surveiller les objectifs de haut niveau. CASPER est utilisé pour générer un plan de surveillance périodique des cibles (à l'aide de l'instrument Hyperion). Les algorithmes scientifiques embarqués examinent les images et les images sont transmises en fonction de leur détection. S'il n'y a pas d'événement approprié, le logiciel scientifique ordonne au planificateur d'acquérir la prochaine cible prioritaire la plus élevée.

Ensuite, le logiciel SCL implémente les plans générés par CASPER en conjonction avec différents éléments d'autonomie et ce cycle est répété sur les observations ultérieures.

Référence : ieeexplore.ieee.org