Алгоритмы глубокого обучения, помогающие очистить наше небо от космического мусора

Как вы измеряете позу - то есть трехмерное вращение и трехмерное перемещение - куска космического мусора, чтобы захватывающий спутник мог захватить его в реальном времени и успешно удалить с орбиты Земли? Какую роль будут играть алгоритмы глубокого обучения? И что такое реальное время в космосе? Вот некоторые из вопросов, которые решаются в новаторском проекте, возглавляемом отделением EPFL, ClearSpace, по разработке технологий для захвата и удаления космического мусора с орбиты.

Поскольку вокруг Земли вращается более 34000 единиц мусора, их удаление становится вопросом безопасности. Ранее в этом месяце старый советский навигационный спутник «Парус» и китайская ракета ChangZheng-4c попали в аварию, а в сентябре Международная космическая станция провела маневр, чтобы избежать возможного столкновения с неизвестным фрагментом космического мусора, в то время как экипаж 63-я экспедиция МКС подошла к своему космическому кораблю «Союз МС-16», чтобы подготовиться к возможной эвакуации. Поскольку все время накапливается все больше мусора, столкновения спутников могут стать обычным явлением, что сделает доступ в космос опасным.

ClearSpace-1 первая миссия компании, намеченная на 2025 год, будет включать в себя восстановление устаревшей верхней части Vespa, адаптера полезной нагрузки, находящегося на орбите в 660 км над Землей, который когда-то был частью ракеты Vega Европейского космического агентства, чтобы гарантировать, что он снова войдет. атмосферу и горит контролируемым образом.

Одна из первых задач - позволить роботизированным манипуляторам ракеты захвата приближаться к Vespa под правильным углом. С этой целью он будет использовать прикрепленную камеру - свои глаза - чтобы выяснить, где находится космический мусор, чтобы он мог схватить Vespa и затем вытащить его обратно в атмосферу. «Основное внимание уделяется разработке алгоритмов глубокого обучения для надежной оценки 6D позы (3 поворота и 3 перемещения) цели по видеопоследовательностям, даже если изображения, сделанные в космосе, сложны. зеркальные поверхности », - говорит Матье Зальцманн, ученый, возглавляющий проект лаборатории компьютерного зрения EPFL под руководством профессора Паскаля Фуа из Школы компьютерных и коммуникационных наук.

Однако есть загвоздка. В течение семи лет никто толком не видел Vespa, поскольку она крутится в вакууме в космосе. Мы знаем, что это около 2 метров в диаметре, с углеродными волокнами, которые темные и немного блестящие, но так ли оно выглядит?

Лаборатория реалистичной графики EPFL моделирует то, как выглядит этот кусок космического мусора, в качестве «учебного материала», чтобы помочь алгоритмам глубокого обучения Зальцмана со временем совершенствоваться. «Мы создаем базу данных синтетических изображений целевого объекта, включая фон Земли, восстановленный по гиперспектральным спутниковым изображениям, и подробную трехмерную модель верхней ступени Vespa. Эти синтетические изображения основаны на измерениях реального материала образцы панелей из алюминия и углеродного волокна, полученные с помощью гониофотометра нашей лаборатории. Это большое роботизированное устройство, которое вращается вокруг тестового образца, чтобы одновременно освещать его и наблюдать за ним со многих разных направлений, предоставляя нам обширную информацию о внешнем виде материала ", - говорит доцент Венцель Якоб, руководитель лаборатории. Как только миссия начнется, исследователи смогут делать несколько реальных снимков из-за пределов нашей атмосферы и настраивать алгоритмы, чтобы убедиться, что они работают на месте.

Третьей проблемой будет необходимость работать в космосе в режиме реального времени и с ограниченными вычислительными мощностями на борту спутника захвата ClearSpace. Доктор Мигель Пеон, старший научный сотрудник лаборатории встраиваемых систем EPFL, возглавляет работу по передаче алгоритмы глубокого обучения на выделенную аппаратную платформу. «Поскольку движение в космосе происходит хорошо, алгоритмы оценки позы могут заполнять промежутки между распознаванием, разнесенными на одну секунду, уменьшая вычислительную нагрузку. Однако, чтобы гарантировать, что они могут автономно справиться со всеми неопределенностями в миссии, алгоритмы таковы. комплексно, что для их реализации требуется выжать всю производительность из ресурсов платформы », - говорит профессор Дэвид Атиенца, глава ESL.

Понятно, что разработка алгоритмов, которые будут на 100% надежными в таких суровых и относительно неизвестных условиях и которые работают в реальном времени с использованием ограниченных вычислительных ресурсов, является огромной проблемой. Для Зальцманна это часть привлекательности проекта: «мы должны быть абсолютно надежными и устойчивыми. С точки зрения исследования, вы обычно довольны 90% -ным успехом, но это то, что мы не можем себе позволить в реальной миссии. Но, возможно, более захватывающим аспектом проекта является то, что мы разрабатываем алгоритм , Который в конечном итоге будет работать в Пространстве . Я считаю это абсолютно потрясающим, и это то, что меня мотивирует каждый день! »

Эта новаторская работа была выполнена при поддержке команды Microsoft для стартапов, которая предоставила вычислительные мощности Azure.

Источник

Назад

Admin

Все о космосе

Похожие новости

Солнечный цикл 25: Солнце просыпается

Шрамы астероида рассказывают истории его прошлого

Метеорит «Огненный шар» содержит нетронутые внеземные органические соединения

Лед на комете, которому 45 миллиарда лет, «более пушистый, чем пена для капучино»

Подготовка к трудным ранним дням Sentinel-6

Имя:*

E-Mail:

Отправить