هوش مصنوعی برای اولین بار کنترل را در فضا به دست گرفت و به یک ربات در ایستگاه فضایی بین‌المللی کمک کرد تا ۶۰ درصد سریع‌تر حرکت کند. این اولین نمایش فناوری یادگیری ماشینی در مدار زمین است.

یک ربات به اندازه یک توستر، گامی بزرگ به سوی ناوبری فضایی خودکار برداشته است.

به نقل از آی‌ای، محققان دانشگاه استنفورد برای اولین بار با موفقیت یک سیستم کنترل مبتنی بر یادگیری ماشینی را در ایستگاه فضایی بین‌المللی(ISS) به نمایش گذاشتند.

این دستاورد نقطه عطفی برای رباتیک در مدار است و دریچه‌ای به ماموریت‌هایی می‌گشاید که در آن‌ها ربات‌ها با حداقل نظارت انسانی کار می‌کنند.

«استروبی»(Astrobee) نام یک ربات مکعبی‌شکل است که آزادانه پرواز می‌کند و در ایستگاه فضایی بین‌المللی حضور دارد تا به عنوان یک پلتفرم آزمایشی عمل کند.

اکنون این سیستم جدید به آن کمک می‌کند تا بدون کنترل مستقیم فضانوردان، با خیال راحت در راهروهای باریک و فضای داخلی شلوغ ایستگاه حرکت کند.

برنامه‌ریزی حرکت هوشمندانه‌تر

محیط ایستگاه فضایی بین‌المللی، متراکم، به‌هم‌پیوسته و پر از قفسه‌های ذخیره‌سازی، رایانه‌ها، سیم‌ها و سخت‌افزارهای آزمایشی است.

سامریتا بانرجی(Somrita Banerjee)، محقق ارشد که این کار را به عنوان بخشی از پروژه دکترای خود در استنفورد انجام داده است، می‌گوید: این پیچیدگی، برنامه‌ریزی حرکت را دشوار می‌کند.

رویکردهای برنامه‌ریزی سنتی مورد استفاده در زمین به خوبی به سخت‌افزار فضایی ترجمه نمی‌شوند.

مارکو پاون(Marco Pavone)، نویسنده ارشد این مطالعه می‌گوید: رایانه‌های پروازی برای اجرای این الگوریتم‌ها اغلب نسبت به رایانه‌های روی ربات‌های زمینی، منابع محدودتری دارند.

وی افزود که فضا عدم قطعیت بیشتر و الزامات ایمنی سختگیرانه‌تری نسبت به رباتیک زمینی ایجاد می‌کند.

این تیم برای پرداختن به این چالش، یک سیستم بهینه‌سازی ساخت که مسیرهای ایمن و عملی را با استفاده از برنامه‌نویسی متوالی برنامه‌ریزی می‌کند، اما حل هر مرحله از ابتدا به زمان محاسباتی قابل توجهی نیاز داشت و روند کار را کند می‌کرد. بنابراین تیم یک مدل یادگیری ماشینی را بر روی هزاران راه‌حل قبلی آموزش داد.

این مدل به عنوان یک «شروع گرم» عمل می‌کند و قبل از اینکه بهینه‌سازی مسیر را اصلاح کند، یک حدس اولیه آگاهانه ارائه می‌دهد.

محدودیت‌های ایمنی دست نخورده باقی می‌مانند، اما هوش مصنوعی روند کار را به طرز چشمگیری تسریع می‌کند.

«بانرجی» این را با انتخاب مسیری بر اساس مسیرهای سفر رایج به جای ترسیم یک خط مستقیم نظری بین دو شهر مقایسه کرد. او می‌گوید: شما با چیزی که از تجربه به دست آمده شروع می‌کنید و سپس از آنجا بهینه‌سازی را انجام می‌دهید.

این سیستم قبل از رسیدن به ایستگاه فضایی بین‌المللی در مرکز تحقیقات ایمز(Ames) ناسا بر روی یک پلتفرم ربات شناور که از ریزگرانش تقلید می‌کند، آزمایش شد.

هنگامی که آزمایش در ایستگاه فضایی بین‌المللی آغاز شد، فضانوردان قبل از کنار رفتن، فقط راه‌اندازی و پاکسازی را انجام دادند. سپس تیم زمینی از طریق مرکز فضایی جانسون(Johnson) ناسا دستوراتی را صادر کرد.

این تیم ۱۸ مسیر را آزمایش و هر کدام را دو بار اجرا کرد؛ یک بار با شروع سرد استاندارد و یک بار با استفاده از شروع گرم با هوش مصنوعی و نتایج تعیین‌کننده بود.

«بانرجی» می‌گوید: ما نشان دادیم که این راهکار، به خصوص در موقعیت‌های چالش‌برانگیزتر، ۵۰ تا ۶۰ درصد سریع‌تر است. این موارد شامل فضاهای تنگ و مانورهای پیچیده‌ای بود که نیاز به چرخش دارند.

آماده‌سازی برای ماموریت‌های آینده

ناسا اکنون این سیستم را در سطح «آمادگی فناوری ۵» تعیین کرده است که نشان می‌دهد در یک محیط عملیاتی واقعی کار می‌کند. این امر خطر پیشنهادها و آزمایش‌های آینده را کاهش می‌دهد.

«بانرجی» با نگاهی به آینده گفت که با گسترش ماموریت‌های فضایی، خودمختاری ضروری خواهد بود. وی می‌گوید: با دور شدن ربات‌ها از زمین و افزایش تعداد ماموریت‌ها و کاهش هزینه‌ها، ما همیشه قادر به کنترل از راه دور آنها از زمین نخواهیم بود.

این تیم قصد دارد با استفاده از مدل‌های هوش مصنوعی قوی‌تر، مشابه با مدل‌های پشت ابزارهای زبانی مدرن و سیستم‌های خودران، این فناوری را بیشتر توسعه دهد.