انقلاب هوش مصنوعی در فضا/ نخستین ماهواره با کنترل AI به مدار زمین رسید

خبرآنلاین/ پژوهشگران دانشگاه وورتسبورگ آلمان برای نخستین‌بار در جهان موفق شدند یک ماهواره را به‌طور کامل با کنترل مبتنی بر هوش مصنوعی در مدار هدایت کنند. این آزمایش که روی ماهواره‌ی کوچک «InnoCube» انجام شد، مسیر تازه‌ای به سوی سامانه‌های کاملاً خودران فضایی گشوده است.

تینا مزدکی_تیمی از پژوهشگران دانشگاه یولیوس-ماکسیمیلیان وورتسبورگ (JMU) توانستند برای نخستین‌بار، یک سامانه‌ی کنترل وضعیت مبتنی بر هوش مصنوعی را مستقیماً در مدار زمین آزمایش کنند. این آزمون با موفقیت بر روی ماهواره‌ی نانویی ۳U موسوم به InnoCube انجام شد.

---

بازار

---

در گذر مداری این ماهواره بین ساعت ۱۱:۴۰ تا ۱۱:۴۹ پیش از ظهر به وقت اروپای مرکزی در تاریخ ۳۰ اکتبر ۲۰۲۵، عامل هوش مصنوعی توسعه‌یافته در JMU، یک مانور کامل تغییر وضعیت را به‌طور مستقل اجرا کرد. این سامانه با استفاده از چرخ‌های عکس‌العملی، ماهواره را از حالت اولیه‌ خود به موقعیتی از پیش تعیین‌شده هدایت کرد. در آزمایش‌های بعدی نیز این عامل هوش مصنوعی توانست چند بار دیگر وضعیت ماهواره را با دقت و ایمنی بالا به موقعیت مطلوب برساند. تیم تحقیقاتی LeLaR بدین ترتیب گامی سرنوشت‌ساز در فضا برداشتند.

پروژه‌ی «نمایشگر مداری برای کنترل یادگیرنده‌ی وضعیت» یا LeLaR با هدف توسعه‌ی نسل آینده‌ سامانه‌های کنترل وضعیت خودکار طراحی شده است. تمرکز اصلی این پروژه بر طراحی، آموزش و آزمایش در مدارِ یک کنترل‌کننده‌ی وضعیت مبتنی بر هوش مصنوعی در ماهواره‌ی اینوکیوب قرار داشت.

کنترل‌کننده‌های وضعیت وظیفه دارند ماهواره‌ها را در مدار پایدار نگه دارند و مانع از چرخش یا واژگونی آن‌ها شوند. این سامانه‌ها همچنین جهت‌گیری فضاپیما را برای انجام مأموریت‌های خاص، مانند تنظیم موقعیت دوربین‌ها، حسگرها یا آنتن‌ها در جهت هدف مورد نظر، کنترل می‌کنند.

آنچه کار تیم وورتسبورگ را متمایز می‌کند، استفاده از یادگیری تقویتی عمیق (Deep Reinforcement Learning) به‌جای الگوریتم‌های سنتی است. در این روش، یک شبکه عصبی در محیطی شبیه‌سازی‌شده، به‌صورت خودکار راهبرد کنترل بهینه را می‌آموزد.

مزیت کلیدی روش DRL در سرعت و انعطاف‌پذیری آن نسبت به کنترل‌کننده‌های کلاسیک است. کنترل‌های سنتی اغلب نیازمند تنظیمات دستی فراوان توسط مهندسان هستند، فرایندی که ممکن است ماه‌ها یا حتی سال‌ها طول بکشد. در مقابل، روش یادگیری تقویتی عمیق این روند را به‌صورت خودکار انجام می‌دهد و امکان انطباق آنی با تفاوت‌های میان شرایط واقعی و پیش‌بینی‌شده را بدون نیاز به کالیبراسیون مجدد دستی فراهم می‌آورد.

پیش از پرتاب، کنترل‌کننده‌ هوش مصنوعی روی زمین در یک شبیه‌ساز بسیار دقیق آموزش داده شد و سپس به مدل پروازی ماهواره در مدار منتقل شد. یکی از چالش‌های اصلی، غلبه بر فاصله‌ی میان محیط شبیه‌سازی‌شده و شرایط واقعی فضا یا همان شکاف Sim۲Real بود. 

با موفقیت این آزمایش، تیم وورتسبورگ ثابت کرد که هوش مصنوعی می‌تواند در مأموریت‌های فضایی حساس و ایمنی‌محور نیز به‌طور قابل اعتماد عمل کند. 

رشد اعتماد به چنین فناوری‌هایی گامی حیاتی در مسیر مأموریت‌های خودکار آینده محسوب می‌شود به‌ویژه برای مأموریت‌های سیاره‌ای یا اعماق فضا، جایی که دخالت انسان به‌دلیل فاصله‌ی زیاد یا تأخیر در ارتباط ممکن نیست. در چنین شرایطی، سامانه‌های مبتنی بر هوش مصنوعی می‌توانند برای بقای فضاپیما حیاتی باشند. در واقع با این آزمایش، تیم وورتسبورگ به یکی از اهداف اصلی پروژه LeLaR دست یافته است. 

آزمایش روی ماهواره‌ی InnoCube که در همکاری با دانشگاه فنی برلین (TU Berlin) ساخته شده، انجام گرفت. این ماهواره بستری برای آزمایش فناوری‌های نوین فضایی است و به پژوهشگران اجازه می‌دهد مفاهیم تازه را مستقیماً در مدار بیازمایند. یکی از نوآوری‌های کلیدی این مأموریت، SKITH (Skip The Harness) است که با حذف سیم‌کشی سنتی، داده‌ها را به‌صورت بی‌سیم منتقل می‌کند. این فناوری نه‌تنها وزن فضاپیما را کاهش می‌دهد بلکه احتمال بروز خطا در کابل‌ها را نیز به حداقل می‌رساند.

منبع: phys

۵۸۳۲۳