NASAが推進する宇宙探査を加速するトップ6 AIプロジェクト

ジェット推進研究所（JPL）AIグループが手掛ける主要AIプロジェクト

地球観測と宇宙空間の探査のために、NASAは人工知能（AI）の最新進展を活用しています。ジェット推進研究所（JPL）AIグループは、人工知能の計画とスケジューリングに関する基礎研究を行い、科学分析、深宇宙ネットワーク運用、宇宙船コマンド、宇宙輸送システムへの応用を進めています。ここでは、JPLが現在取り組む主要プロジェクトを紹介します。その多くは計画技術、宇宙船自律性、ローバー自律性に関連しています。

6. ASPEN（自動スケジューリング・計画環境）

ASPENは、多様な計画・スケジューリングアプリケーションをサポートするモジュール式で再構成可能なフレームワークです。時間的推論システム、リソース管理システム、表現力豊かなモデリング言語、グラフィカルインターフェースなど、複雑な計画・スケジューリングシステムに見られる要素を実装する多様なコンポーネントを含みます。ミッション設計計画、宇宙船運用、地表ローバー計画、複数ローバーの協調計画などに使用されています。

地上ベースシステムとして、内部宇宙船モデルとハイレベル目標を用いて宇宙船が実行すべき具体的コマンドを提供します。飛行ベースシステムとして、ローバー状態の更新を継続的に受信し、周囲の変化を反映して計画を更新します。アンテナスケジューリングシステムとして、DSN局を自律的に制御します。AI技術はヒューリスティック探索、反復修復、時間的推論に基づき、汎用アーキテクチャにより異なる伝播アルゴリズムや探索エンジンの選択が容易で、ユーザーはスケジュールと対話し、迅速かつ効率的に再計画できます。現在は外部ライセンス提供可能ですが輸出は制限されています。将来的には修復計画と実行の統合に使用される予定です。

5. MISUS（マルチローバー統合科学理解システム）

MISUSは、惑星探査のためのローバー制御技術を開発しています。NASAが開発したMISUSアーキテクチャは、データ分析、計画、環境シミュレータの3主要コンポーネントで構成されます。

• データ分析: ローバーが観測した岩石タイプ分布のモデリングのため、教師なしクラスタリングを実行する分散機械学習システム。ローバーのセンシングを継続的に改善し、惑星シーンの内容を向上させます。
• 計画: 入力されたローバー科学目標を達成するための運用計画を生成する分散計画システム。中央計画器が科学目標をローバー間で分割し、各ローバーに関連付けられた分散計画器が個別の運用を担当します。
• 環境シミュレータ: 複数の地質環境とローバー科学運用をモデル化するマルチローバーシミュレータ。全周囲の科学データを扱い、運用を追跡し、ローバー科学機器による観測を反映します。

全体システムはクローズドループで動作し、データ分析システムが探査プロセスを駆動する科学者として機能します。データがローバークラスタリングアルゴリズムに送られ、収集データが統合され更新されたグローバルモデルが分散クラスタラーにブロードキャストされます。クラスタリング出力は優先度アルゴリズムで新たな観測目標を生成し、モデル精度を向上させます。目標は中央計画器に送られ、最も効率的にリクエストを処理できるよう個々のローバーに割り当てられます。各ローバー計画器は割り当て目標を可能な限り達成する具体的アクションを生成し、シミュレータで実装、収集情報がローバークラスタラーに戻ります。このサイクルは、観測された岩石タイプに対して明確なクラスタが生成されるまで続きます。

4. 分散宇宙船（Distributed Spacecraft）

このプロジェクトは、個々の宇宙船ごとのコマンドシーケンスではなく、ミッション目標に基づいて宇宙船コンステレーションを制御する最新技術を用います。形成飛行やクラスタリングされた宇宙船の高精度・リアルタイムシミュレーションを分散技術で可能にするため、モデリングとシミュレーション能力を向上させています。NASAは、形成の分散性を活用し、シミュレーションをクラスタ内の複数プロセッサに分割する新しいシミュレーションアーキテクチャを開発中です。HYDRA（階層的分散再構成可能アーキテクチャ）は、シミュレーションモジュールと技術を混在・マルチプラットフォーム環境にシームレスに展開するために開発され、モジュール間通信を自動化します。Terrestrial Planet Finderプログラムの一環としてFAST（形成飛行アルゴリズムとシミュレーションテストベッド）に導入済みです。全体目標は、形成飛行ガイダンス、推定、制御、意思決定問題を解く堅牢で高速なグローバル最適化アルゴリズムの構築です。高速分散推定器、宇宙船間の分散リソース配分、堅牢な形成維持制御、燃料最適再構成パス計画、モードコマンドなどが含まれます。

3. CASPER（継続的活動スケジューリング計画実行と再計画）

CASPERは、反復修復を用いて宇宙船の継続的な変更・修正をサポートします。従来のバッチ指向計画モデルには、ゼロから計画を構築するために膨大な計算を要し、搭載計算リソースが限られるという欠点があります。目標は、予期せぬ変化に対してより効果的で応答性の高い計画器を実現し、予測モデルへの依存（不可避なモデリングエラー）を減らすことです。JPLはCASPERとして知られる継続的計画技術を用います。計画器は現在の目標セット、状態、期待される結果のモデルを保持し、現在の状態への増分更新を随時適用可能です（単純な時間経過から予期せぬイベントまで）。計画器は最新データと整合した計画を維持しますが、多くの場合予想通りには進みません。そこで計画器がシナリオに応じて計画を継続的に変更します。マルチローバー実行アーキテクチャでは、現在の反復修復計画アプローチにより、初期状態と目標への増分変更が可能で、ステップバイステップで競合を解決します。各反復後に効果が伝播し、計画が更新されます（計画修復アルゴリズムが呼び出される）。この技術は、惑星ローバー運用、ニュー・ミレニアム地球周回1、シチズン・エクスプローラー、高再利用性宇宙輸送、分散ローバー、改良南極マッピングミッションなどで使用されています。

2. 火山センサーウェブ（Volcano Sensorweb）

このプロジェクトは、インターネットとソフトウェアでリンクされたセンサーネットワークを用い、自律的な衛星観測応答能力を実現します。センサーの拡張、トリガーシナリオと応答のカスタマイズを容易にするモジュール式で柔軟なアーキテクチャで開発されています。これまで、世界の火山を調査するグローバル監視プロジェクトの実装に使用されてきました。また、NASAはセンサーウェブテストを実施し、雪氷圏イベント、洪水、大気現象の研究を行っています。MODIS（中分解能イメージング分光計）など、複数の運用衛星がデータをほぼリアルタイムで無料提供しています（ダイレクトブロードキャスト経由）。これらは広域・地域カバレッジと優れたセンシング能力を提供しますが、多くの科学用途に適した高解像度データは提供せず、高需要アセットで制約が多いです。火山センサーウェブでは、高カバレッジ・低解像度センサーで高解像度デバイスによる観測をトリガーします。センサーネットワークをセンサーウェブ化する理由は他にもあり、自動応答によりイメージングレーダーなどの複雑なデバイスでの観測を可能にしたり、観測頻度を増やして時間分解能を高めたりできます。現在、地球上で最も活発な50の火山を監視するために使用されており、山火事、洪水、雪氷圏イベントの監視実験も実施中です。

1. ASE（自律科学機実験）

2000年以前のNASAミッションで使用された宇宙船は、宇宙で収集したデータに基づいて自律的な意思決定を行う能力がありませんでした。しかし、2003年から地球観測1号ミッションで搭載運用されているASE（Autonomous Sciencecraft Experiment）は、継続的計画、搭載パターン認識、機械学習を用いて効率を向上させています。ASEソフトウェアは、搭載意思決定を用いてイベントを特定・調査・応答し、最高価値のデータのみをダウンリンクする能力を実証しています。このAI技術には、画像データを分析してトリガー条件を検出する搭載科学アルゴリズム、イベント駆動処理と低レベル自律性を可能にする堅牢な実行管理ソフトウェア、ダウンリンクなどの重要活動を再計画するCASPERソフトウェアなど、多数の有用モジュールが含まれます。ASEは地球科学、宇宙物理学、惑星科学における幅広い新たな機会を開きます。この技術は、異常によるダウンタイムを減らし、自律ソフトウェアによる機器セットアップ時間を短縮し、固定ダウンリンクあたりの科学成果を劇的に増大させます。初期には、高レベル目標として監視対象の科学ターゲットが含まれます。CASPERを用いてターゲットを定期的に監視する計画を生成（Hyperion装置使用）。搭載科学アルゴリズムが画像を調べ、検出に基づいて画像がダウンリンクされます。適切なイベントがない場合、科学ソフトウェアが計画器に次の優先度ターゲットの取得を命令します。その後、SCLソフトウェアがCASPER生成計画を様々な自律要素と連携して実装し、このサイクルが後続観測で繰り返されます。