«Хьюстон, я справлюсь сам». Космические роботы научились принимать решения быстрее, чем долетает сигнал с Земли
NewsMakerГибридный ИИ решил проблему «тормозов» бортовых компьютеров в космосе.
Исследователи Стэнфорда представили систему , позволяющую космическим роботам самостоятельно выбирать безопасные маршруты в условиях ограниченного пространства. На борту Международной космической станции впервые проверили алгоритм , который ускоряет расчёт траекторий в замкнутой среде и помогает устройствам ориентироваться без постоянных команд с Земли. В основе подхода лежит машинное обучение , использованное для ускорения вычислений, обычно требующих значительных ресурсов. Испытание показало, что компактный аппарат способен выполнять сложные манёвры и прокладывать путь значительно быстрее, чем при традиционных методах.
Платформой для эксперимента стал Astrobee — свободно летающий робот кубической формы, давно применяемый для вспомогательных задач на станции. Обновлённая система позволяет ему перемещаться внутри модулей, обходя оборудование и другие препятствия без вмешательства экипажа. Описание проекта представили на конференции iSpaRo, посвящённой космической робототехнике и технологиям управления.
Внутреннее пространство станции напоминает плотный лабиринт, где соседствуют стеллажи, провода, контейнеры, приборы и экспериментальные установки. В таких условиях любое перемещение требует точного прогноза поведения аппарата. Сомрита Банерджи, проводившая исследование, подчёркивает, что распространённые на Земле методы плохо подходят для подобных условий. Марко Павоне, курировавший работу, указывает на ограничения бортового оборудования и высокие требования к надёжности, которые усложняют применение привычных инструментов.
Для решения поставленной задачи команда создала оптимизационный механизм, рассчитывающий маршрут методом последовательного выпуклого программирования. Однако вычисление каждого шага занимало слишком много времени, создавая нежелательные задержки. Чтобы ускорить процесс, специалисты собрали массив данных из множества предыдущих решений и обучили модель, предлагающую подходящую начальную конфигурацию. Затем алгоритм уточняет путь, сохраняя все требования к безопасному движению.
Исследователи Стэнфорда представили систему , позволяющую космическим роботам самостоятельно выбирать безопасные маршруты в условиях ограниченного пространства. На борту Международной космической станции впервые проверили алгоритм , который ускоряет расчёт траекторий в замкнутой среде и помогает устройствам ориентироваться без постоянных команд с Земли. В основе подхода лежит машинное обучение , использованное для ускорения вычислений, обычно требующих значительных ресурсов. Испытание показало, что компактный аппарат способен выполнять сложные манёвры и прокладывать путь значительно быстрее, чем при традиционных методах.
Платформой для эксперимента стал Astrobee — свободно летающий робот кубической формы, давно применяемый для вспомогательных задач на станции. Обновлённая система позволяет ему перемещаться внутри модулей, обходя оборудование и другие препятствия без вмешательства экипажа. Описание проекта представили на конференции iSpaRo, посвящённой космической робототехнике и технологиям управления.
Внутреннее пространство станции напоминает плотный лабиринт, где соседствуют стеллажи, провода, контейнеры, приборы и экспериментальные установки. В таких условиях любое перемещение требует точного прогноза поведения аппарата. Сомрита Банерджи, проводившая исследование, подчёркивает, что распространённые на Земле методы плохо подходят для подобных условий. Марко Павоне, курировавший работу, указывает на ограничения бортового оборудования и высокие требования к надёжности, которые усложняют применение привычных инструментов.
Для решения поставленной задачи команда создала оптимизационный механизм, рассчитывающий маршрут методом последовательного выпуклого программирования. Однако вычисление каждого шага занимало слишком много времени, создавая нежелательные задержки. Чтобы ускорить процесс, специалисты собрали массив данных из множества предыдущих решений и обучили модель, предлагающую подходящую начальную конфигурацию. Затем алгоритм уточняет путь, сохраняя все требования к безопасному движению.