شفقنا – محققان دانشگاه استنفورد با موفقیت اولین سیستم کنترلی مبتنی بر یادگیری ماشین را در ایستگاه فضایی بینالمللی به نمایش گذاشتند. این دستاورد یک نقطه عطف برای رباتیک در مدار محسوب میشود و به ربات Astrobee (یک ربات مکعبی شکل آزاد پرواز) کمک کرد تا در راهروهای شلوغ ایستگاه ۵۰ تا ۶۰٪ سریعتر حرکت کند.
به گزارش سرویس ترجمه شفقنا، ربات Astrobee ناسا که به اندازه یک توستر است، به عنوان بلتفرم آزمایشی استفاده شد.
محیط ایستگاه فضایی بینالمللی بسیار متراکم، به هم پیوسته و پر از محفظههای ذخیرهسازیِ سیمها و تجهیزات آزمایشی است. این پیچیدگی، برنامهریزی حرکت را برای رباتهای فضایی بسیار دشوار میکند.
رویکردهای سنتی برنامهریزی حرکت، هر گام را از صفر و با استفاده از بهینهسازی حل میکنند، که زمان محاسباتی زیادی میبرد و سرعت حرکت را کاهش میدهد. تیم تحقیقاتی استنفورد برای غلبه بر این چالش، یک مدل یادگیری ماشین را با هزاران راهحل بهینهسازی شده قبلی آموزش دادند.
مدل هوش مصنوعی مانند یک «حدس اولیه آگاهانه» عمل میکند. به جای اینکه ربات هر بار مسیر را از ابتدا محاسبه کند، هوش مصنوعی یک مسیر اولیه که مبتنی بر اطلاعات از تجربه قبلی است را پیشنهاد میدهد سپس سیستم بهینهسازی سنتی مسیر پیشنهادی هوش مصنوعی را در زمان بسیار کمتری اصلاح میکند تا ایمنی کامل رعایت شود.
در آزمایشها بر روی ۱۸ مسیر، استفاده از هوش مصنوعی به ویژه در مانورهای پیچیده و فضاهای تنگ، سیستم را ۵۰ تا ۶۰٪ سریعتر کرد.
این سیستم اولین نمایش کنترل مبتنی بر یادگیری ماشین در مدار است و راه را برای مأموریتهایی باز میکند که در آن رباتها با حداقل نظارت انسانی کار میکنند.
همانطور که مأموریتهای فضایی از زمین دورتر میشوند (مانند ماموریت در مریخ)، امکان کنترل از راه دور توسط انسانها کاهش مییابد. خودمختاری برای اجرای مأموریتهای پرسرعت و کمهزینه در آینده ضروری خواهد بود.
ناسا این سیستم را در سطح آمادگی فنی ۵ طبقهبندی کرده است، که نشان میدهد در یک محیط عملیاتی واقعی کار میکند و ریسک استفاده از آن در پروژههای آینده را کاهش میدهد.
این خبر را اینجا ببینید.