NASA 推动太空探索的 6 大人工智能项目

为了研究地球和探索广阔的太空，美国宇航局利用人工智能 (AI) 的最新进展。喷气推进实验室人工智能组在人工智能规划和调度领域开展基础研究，并应用于科学分析、深空网络操作、航天器指挥和太空运输系统。

今天，我们将详细介绍喷气推进实验室目前正在进行的一些主要项目。其中大部分与规划技术、航天器自主性和漫游器自主性有关。

6。阿斯彭

ASPEN图形用户界面

JPL 的人工智能小组一直在开发一个名为 ASPEN（代表自动调度和规划环境）的系统。它是一个模块化、可重新配置的框架，可以支持多种类型的规划和调度应用程序。

该框架包括实现这些元素的各种组件，这些组件大多出现在复杂的规划或调度系统中，例如时间推理系统、资源管理系统、表达建模语言和图形界面。具体来说，它用于任务设计规划、航天器操作、地面漫游器规划、协调多个漫游器规划和多个漫游器规划。

作为地面系统，ASPEN 利用内部航天器模型和不同的高级目标来提供航天器要执行的特定命令。作为基于飞行的系统，它不断接收流动站状态的更新并更新计划以反映周围的变化。作为天线调度系统，用于自主控制DSN站点。

人工智能技术基于启发式搜索、迭代修复和时间推理。该框架具有通用架构，可以轻松地从不同的传播算法和搜索引擎中进行选择，从而使规划过程变得有效。此外，用户可以与日程进行交互，快速高效地重新规划。

目前可用于外部许可，但不能出口。未来，ASPEN将用于整合维修计划与执行。

参考：ai.jpl.nasa.gov

5。米苏

多漫游车综合科学理解系统 (MISUS) 开发控制漫游车进行行星探索的技术。 NASA 开发的 MISUS 架构由三个主要组件组成 -

数据分析： 分布式机器学习系统，执行无监督聚类以对流动站观察到的岩石类型分布进行建模。它可以指导火星车的感知，不断改善行星场景的内容。

规划： 分布式规划系统，生成操作计划以实现输入流动站科学目标。有一个中央规划器可以在漫游器之间分配科学目标，还有一个分布式规划器集与单个漫游器上的每个操作相关联。

环境模拟器： 多漫游车模拟器，对多个地质环境和漫游车科学操作进行建模。它处理所有周围环境的科学数据，跟踪操作，并反映流动站科学设备的观测结果。

整个系统以闭环方式运行，数据分析系统可以被视为科学家推动探索过程。首先，数据被传输到流动站聚类算法，该算法将所有收集到的数据集成到更新的全局模型中，并将新模型广播回分布式聚类器。

优先级算法使用聚类输出来生成新的观察目标集，这将进一步提高模型的准确性。然后，目标被传输到中央规划器，中央规划器以最有效地处理请求的方式将各个漫游器分配给目标。

然后，每个漫游器规划器都会生成一些特定的操作，以实现尽可能多的指定目标。然后，操作序列被发送到模拟器并在那里实施，并且所有收集到的信息都会被发送回流动站集群。整个循环持续进行，直到收集到足够的信息，为任何观察到的岩石类型生成不同的簇。

参考：ntrs.nasa.gov

4。分布式航天器

该项目使用最新技术来控制具有任务目标的航天器星座，而不是为每个单独的航天器发出命令序列。

该研究提升了建模和仿真能力，通过分布式技术实现航天器编队和集群的高精度、实时仿真。

NASA 正在开发一种新的模拟架构，以利用编队的分布式特性，并将模拟分散到集群中的多个处理器之间。例如，HYDRA（分层分布式可重构架构）旨在跨混合和多平台环境无缝部署模拟模块和技术。

HYDRA 自动化模拟模块之间的通信过程。作为类地行星探测器计划的一部分，它已成功融入 FAST（形成算法和模拟测试平台）。

阅读：美国宇航局将人工智能用于太空通信网络

总体目标是建立强大且快速的全局优化算法，可以解决编队飞行引导、估计、控制和决策问题。这包括用于编队飞行的快速分布式估计器、航天器之间的分布式资源分配、强大的编队保持控制、编队燃料最佳重新配置路径规划和模式命令。

来源：dst.jpl.nasa.gov

3。卡斯帕

CASPER（代表连续活动调度计划执行和重新计划）利用迭代修复来支持航天器的持续变更或修改。

传统的面向批量的计划模型有几个缺点。从头开始制定计划需要大量计算，而机载计算资源通常是有限的。

目标是使计划者更加有效并能够对意外的变化做出反应。规划器可以减少对预测模型的依赖，例如不可避免的建模错误。

为了实现这一目标，喷气推进实验室采用了一种称为 CASPER 的连续规划技术。  规划者有当前的目标集、状态和预期结果的模型。可以随时应用对当前状态的增量更新。此更新可以是任何内容，从简单的时间进度调整到意外事件。

规划器进一步根据可用的最新数据保持一致的计划。然而，大多数时候，事情并不会按照预期发展。这就是规划器发挥作用的地方——它随时准备根据场景不断改变计划。

多Rover执行架构

当前的迭代修复计划方法可以对初始状态和目标进行增量更改，然后逐步解决冲突。每次迭代后，其影响将传播到发现的冲突和更新的计划（例如调用计划修复算法）。

该技术用于行星漫游车操作、新千年地球轨道一号、公民探索者、高度可重复使用的太空蒸腾、分布式漫游车、改进的南极测绘任务等。

参考：casper.jpl.nasa.gov

2。火山传感器网

该项目使用通过互联网和软件连接的传感器网络，具有自主卫星观测响应能力。它采用模块化、灵活的架构开发，便于传感器扩展、触发场景和响应的定制。

迄今为止，它已被用来实施全球监测项目，以检查火山。此外，美国宇航局还运行传感器网络测试来研究冰冻圈事件、洪水和大气现象。

Sensorweb检测与响应架构

多颗运行卫星免费提供数据，例如来自 MODIS（中分辨率成像光谱仪）的数据几乎可以通过直播实时获取。这些数据提供了全球和区域覆盖范围以及令人印象深刻的传感能力。

然而，这些设备无法提供适合许多科学应用的高分辨率数据。事实上，其中大部分是高需求资产且受到高度限制。

在 Volcano Sensorweb 中，高覆盖范围和低分辨率传感器用于触发高分辨率设备的观测。此外，将传感器网络纳入传感器网络还有许多其他理由。例如，自动响应可以通过成像雷达等复杂设备进行观察。或者，它们可以用来增加观测频率，以提高时间分辨率。

阅读：NASA 编写安全关键程序的 10 条编码规则

目前，它被用来监测地球上 50 座最活跃的火山。此外，NASA 还开展监测野火、洪水和冰冻圈事件的实验。

参考：ai.jpl.nasa.gov

1。日月光

NASA 之前的任务（2000 年之前）使用的航天器没有能力根据在太空中收集的数据自行做出自主决策。然而，自 2003 年以来在地球观测一号任务中运行的 ASE（自主科学飞船实验 (ASE)）使用连续规划、机载模式识别和机器学习来提高效率。

ASE 软件展示了使用机载决策来识别、检查和响应事件并仅下行传输包含最高价值的数据的能力。

该人工智能技术包括许多有用的模块，例如

• 板载科学算法可分析图像数据以检测触发条件
• 强大的执行管理软件，可实现事件驱动的处理和低级自治。
• CASPER 软件用于重新规划下行链路等关键活动。

ASE 在地球科学、空间物理和行星科学领域开辟了广泛的新机遇。该技术减少了异常造成的停机时间，通过使用自主软件减少了设备设置时间，并显着提高了每个固定下行链路的科学性。

阅读：NASA 未来 13 项最大的任务

最初，ASE 包含监测高水平目标的科学目标。 CASPER 用于生成定期监测目标的计划（使用 Hyperion 仪器）。机载科学算法检查图像，并根据其检测对图像进行下行链接。如果没有合适的事件，科学软件会命令规划器获取下一个最高优先级的目标。

然后，SCL软件结合不同的自治元素执行CASPER生成的计划，并在后续观察中重复这个循环。

参考：ieeexplore.ieee.org