宇宙探査を推進する NASA のトップ 6 AI プロジェクト

地球を研究し、広大な宇宙を探索するために、NASA は最近の人工知能 (AI) の進歩を利用しています。ジェット推進研究所 AI グループは、科学分析、深宇宙ネットワーク運用、宇宙船の指揮、宇宙輸送システムへの応用を含む、人工知能の計画とスケジューリングの分野で基礎研究を行っています。

今日は、JPL が現在取り組んでいる主要プロジェクトのいくつかについて詳しく説明します。それらのほとんどは、計画テクノロジー、宇宙船の自律性、探査車の自律性に関連しています。

6.アスペン

ASPEN GUI

JPL の AI グループは、ASPEN (Automated Scheduling and Planning Environment の略) として知られるシステムに取り組んでいます。これは、さまざまな種類の計画およびスケジュール アプリケーションをサポートできる、モジュール式の再構成可能なフレームワークです。

このフレームワークには、時間推論システム、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 インターフェイスなど、主に複雑な計画やスケジューリング システムに見られる要素を実装するさまざまなコンポーネントが含まれています。具体的には、ミッション設計計画、宇宙船の運用、地表探査機の計画、調整された複数の探査車の計画、および複数の探査機の計画に使用されます。

地上ベースのシステムとして、ASPEN は内部宇宙船モデルとさまざまな高レベルの目標を利用して、宇宙船によって実行される特定のコマンドを提供します。飛行ベースのシステムとして、探査車の状態に関する最新情報を継続的に受信し、周囲の変化を反映するために計画を更新します。アンテナ スケジューリング システムとして、DSN ステーションを自律的に制御するために使用されます。

AI テクノロジーは、ヒューリスティック検索、反復修復、時間的推論に基づいています。このフレームワークには、さまざまな伝播アルゴリズムや検索エンジンから簡単に選択して計画プロセスを効率化できる汎用アーキテクチャがあります。さらに、ユーザーはスケジュールを操作して、迅速かつ効率的に再計画することができます。

現在、外部ライセンスを取得できますが、エクスポートはできません。将来的には、ASPEN を使用して修理計画と実行を統合する予定です。

参照:ai.jpl.nasa.gov

5.ミサス

マルチローバー統合科学理解システム (MISUS) は、惑星探査のためにローバーを制御する技術を開発しています。 NASA によって開発された MISUS アーキテクチャは 3 つの主要コンポーネントで構成されています -

データ分析: 分散型機械学習システム。探査機によって観測された岩石の種類の分布をモデル化するために教師なしクラスタリングを実行します。探査機のセンシングを指示して、惑星シーンの内容を継続的に改善することができます。

計画: 分散型計画システム。入力ローバーの科学目標を達成するための運用計画を生成します。科学目標を探査機間で分割する中央プランナーと、個々の探査機の各操作に関連付けられた分散プランナー セットがあります。

環境シミュレーター: 複数の探査車シミュレーター。いくつかの地質学的周囲と探査車の科学活動をモデル化します。あらゆる周囲の科学データを扱い、活動を追跡し、探査車の科学機器による観察を反映します。

システム全体は閉ループ方式で動作し、データ分析システムは探査プロセスを推進する科学者とみなすことができます。まず、データは移動局クラスタリング アルゴリズムに送信され、収集されたすべてのデータが更新されたグローバル モデルに統合され、新しいモデルが分散クラスタリング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順位付けアルゴリズムによって使用され、新しい一連の観察目標が生成され、モデルの精度がさらに向上します。その後、目標は中央プランナーに送信され、中央プランナーがリクエストを最も効率的に処理する方法で個々のローバーを目標に割り当てます。

次に、各探査機プランナーは、割り当てられた目標をできるだけ多く達成するための特定のアクションをいくつか生成します。一連のアクションはシミュレータに送信され、そこで実装され、収集された情報はすべてローバー クラスタに送信されます。観察された岩石の種類ごとに個別のクラスターを生成するのに十分な情報が収集されるまで、サイクル全体が続きます。

参照:ntrs.nasa.gov

4.分散型宇宙船

このプロジェクトでは、最新のテクノロジーを使用して、個々の宇宙船に対するコマンド シーケンスではなく、ミッション目標に合わせて宇宙船の星座を制御します。

この研究により、モデリングとシミュレーションの機能が進歩し、分散テクノロジーによる宇宙船の編隊とクラスターの高精度なリアルタイム シミュレーションが可能になります。

NASA は、地層の分散特性を利用し、クラスター内の複数のプロセッサ間でシミュレーションを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しています。たとえば、HYDRA (階層型分散再構成可能アーキテクチャ) は、混合およびマルチプラットフォーム環境全体にシミュレートされたモジュールとテクノロジーをシームレスに導入するために開発されました。

HYDRA は、シミュレーション モジュール間の通信プロセスを自動化します。これは、Terrestrial Planet Finder プログラムの一部として FAST (形成アルゴリズムとシミュレーション テストベッド) にうまく組み込まれています。

読む:NASA、宇宙通信ネットワークに人工知能を使用

全体的な目的は、編隊飛行の誘導、推定、制御、意思決定の問題を解決できる、堅牢かつ高速な全体最適化アルゴリズムを構築することです。これには、編隊飛行のための高速分散推定器、宇宙船間の分散リソース割り当て、堅牢な編隊維持制御、編隊燃料の最適な再構成経路計画、およびモード指令が含まれます。

出典:dst.jpl.nasa.gov

3.キャスパー

CASPER (Continuous Activity Scheduling Planning Execution and Replanning の略) は反復修復を利用して、宇宙船の継続的な変更や修正をサポートします。

従来のバッチ指向の計画モデルにはいくつかの欠点があります。計画をゼロから構築するには大量の計算が必要であり、オンボードの計算リソースは通常限られています。

目標は、プランナーをより効果的にし、予期せぬ変化に対応できるようにすることです。避けられないモデリング エラーなど、予測モデルへの依存を軽減できるプランナー。

これを達成するために、JPL は CASPER として知られる継続的計画手法を利用しています。  プランナーには、現在の目標セット、状態、および予想される結果のモデルがあります。現在の状態への増分更新はいつでも適用できます。このアップデートには、単純な時間進行の調整から予期せぬイベントまで、あらゆるものが含まれる可能性があります。

さらに、プランナーは、利用可能な最新データを使用して一貫した計画を維持します。しかし、ほとんどの場合、物事は期待どおりにはいきません。ここでプランナーが活躍します。プランナーは、シナリオに従って計画を継続的に変更する準備ができています。

マルチローバー実行アーキテクチャ

現在の反復的な修復計画アプローチでは、目標状態だけでなく初期状態への段階的な変更も可能であり、競合を段階的に解決できます。各反復の後、その効果は競合が発見され、計画が更新されるように伝播されます (たとえば、計画修復アルゴリズムが呼び出されます)。

このテクノロジーは、惑星探査機の運用、新千年地球周回 1 号、シチズン エクスプローラー、再利用性の高い宇宙蒸散、分散型探査車、修正された南極地図作成ミッションなどで使用されています。

参照:casper.jpl.nasa.gov

2.火山センサーウェブ

このプロジェクトでは、インターネットとソフトウェアによって自律衛星観測応答機能にリンクされたセンサーのネットワークを使用します。モジュール式の柔軟なアーキテクチャで開発されており、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します。

これまで、火山を調査するための地球規模の監視プロジェクトの実施に使用されてきました。さらに、NASA は雪氷圏の現象、洪水、大気現象を研究するためにセンサーウェブ テストを実施しています。

Sensorweb の検出と応答のアーキテクチャ

MODIS (中解像度画像分光計) からのデータは、ダイレクト ブロードキャストを通じてほぼリアルタイムで利用できます。これらのデータは、優れたセンシング機能を備えた世界的および地域的なカバレッジを提供します。

ただし、これらの機器は、多くの科学用途に適した高解像度のデータを提供しません。実際、それらのほとんどは需要の高い資産であり、非常に制約が厳しいものです。

Volcano Sensorweb では、高カバレッジと低解像度のセンサーを使用して、高解像度デバイスによる観測をトリガーします。また、センサーウェブへのセンサーのネットワークには他にも多数の理論的根拠があります。たとえば、自動応答により、画像レーダーなどの複雑なデバイスを介した観察が可能になる可能性があります。または、時間分解能を高めるために観測頻度を増やすために使用することもできます。

読む:セーフティ クリティカル プログラムを作成するための NASA の 10 のコーディング ルール

現在、地球上で最も活発な火山 50 か所を監視するために使用されています。さらに、NASA は山火事、洪水、雪氷圏現象を監視する実験も行っています。

参照:ai.jpl.nasa.gov

1. ASE

以前の NASA ミッション (2000 年以前) で使用された宇宙船には、宇宙で収集したデータに基づいて自律的に決定を下す機能がありませんでした。ただし、2003 年から地球観測 1 号ミッションに搭載されて運用されている ASE (Autonomous Sciencecraft Experiment (ASE)) は、継続的な計画、搭載されたパターン認識、機械学習を使用して効率を高めています。

ASE ソフトウェアは、オンボードの意思決定を使用してイベントを特定、検査、対応し、最も価値の高いデータのみをダウンリンクする機能を実証します。

この AI テクノロジーには、

などの便利なモジュールが多数含まれています。

• 画像データを分析してトリガー条件を検出するオンボード サイエンス アルゴリズム
• イベント ドリブンの処理と低レベルの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なアクティビティを再計画するための CASPER ソフトウェア

ASE は、地球科学、宇宙物理学、惑星科学に幅広い新たな機会をもたらします。このテクノロジーは、異常によるダウンタイムを短縮し、自律性ソフトウェアを使用することで機器の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性を劇的に向上させます。

読む:NASA の将来の最大のミッション 13 つ

当初、ASE には高レベルの目標を監視するための科学目標が含まれています。 CASPER は、ターゲットを定期的に監視するための計画を生成するために使用されます (Hyperion 機器を使用)。搭載された科学アルゴリズムが画像を検査し、その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、サイエンス ソフトウェアはプランナーに次に優先度の高いターゲットを取得するよう命令します。

次に、SCL ソフトウェアは、CASPER によって生成された計画をさまざまな自律要素と組み合わせて実装し、このサイクルがその後の観察で繰り返されます。

参照:ieeexplore.ieee.org