Kluczem tego osiągnięcia nie jest sama możliwość poruszania się – roboty latające po stacji istniały wcześniej. Prawdziwą nowością jest poziom ich samodzielności. Dzięki algorytmom sztucznej inteligencji, maszyny same planują i optymalizują swoją trasę, uwalniając załogę od żmudnego, ręcznego sterowania. To właśnie ta autonomia stanowi sedno całego przedsięwzięcia.
Roboty Astrobee z AI po raz pierwszy autonomicznie latają po ISS
Urządzenia o nazwie Astrobee to w istocie latające komputery o boku 30 centymetrów. Do manewrowania w warunkach mikrograwitacji wykorzystują system wentylatorów. Ich głównym zadaniem od początku było wspieranie astronautów w rutynowych obowiązkach, jak inwentaryzacja czy proste inspekcje. Przełom nastąpił, gdy do ich oprogramowania wdrożono system autonomicznej nawigacji. Dzięki niemu robot nie potrzebuje już ciągłych komend. Wystarczy, że otrzyma cel – na przykład „sprawdź panel w module Destiny” – a sam znajdzie najlepszą drogę, uwzględniając ruchome i stałe przeszkody.
Taka automatyzacja to więcej niż wygoda. Pozwala zaoszczędzić cenny czas załogi, który może być przeznaczony na eksperymenty naukowe. W dalszej perspektywie, podobne systemy mogłyby monitorować stan techniczny stacji, wykrywać ewentualne wycieki czy dostarczać narzędzia w odpowiednie miejsce, działając jak inteligentni, kosmiczni asystenci.
Warto wiedzieć, że przeniesienie zaawansowanych algorytmów AI w kosmos wiąże się z unikalnymi wyzwaniami. Komputery pokładowe ISS nie dysponują nieograniczoną mocą obliczeniową, a każdy błąd w nawigacji może mieć bardzo kosztowne konsekwencje. Zespołowi pod kierunkiem Somrity Banerjee z Uniwersytetu Stanforda udało się opracować hybrydowe rozwiązanie. Łączy ono matematyczną precyzję sekwencyjnego programowania wypukłego z elastycznością modelu uczenia maszynowego.
Czytaj też: Apollo w akcji. Google DeepMind uczy roboty rozumieć nieznane
Kluczową innowacją jest koncepcja „ciepłego startu”. Zamiast za każdym razem obliczać trasę od zera, system wykorzystuje doświadczenie zgromadzone podczas tysięcy symulacji. Model AI sugeruje optymalizatorowi dobry punkt wyjścia do dalszych kalkulacji. To podejście znacząco skraca czas potrzebny na zaplanowanie bezpiecznej trajektorii, co jest niezwykle cenne w środowisku o ograniczonych zasobach obliczeniowych. Warto jednak zauważyć, że cały proces nadal przebiega w ramach ścisłych, zaprogramowanych przez ludzi ram bezpieczeństwa.
Czytaj też: Naukowcy z Georgia Tech rozwiązali problem widzenia robotów. Ich soczewka reaguje na światło jak żywe oko
Eksperyment przeprowadzony bezpośrednio na ISS przyniósł wymierne rezultaty. W porównaniu z tradycyjnymi metodami, system z „ciepłym startem” skrócił czas obliczania tras o ponad połowę. Największa różnica była widoczna w skomplikowanych scenariuszach, wymagających jednoczesnego unikania wielu obiektów. Osiągnięcie to dało technologii poziom gotowości technologicznej NASA (TRL) 5, co potwierdza jej sprawdzoną funkcjonalność w prawdziwym środowisku kosmicznym.
Czytaj też: Robot Atlas wstaje jak cyrkowiec. Przerażający, ale genialny manewr humanoida od Boston Dynamics
Sukces Astrobee otwiera drogę do szerszych zastosowań. Wyobraźmy sobie przyszłą bazę księżycową, gdzie autonomiczne roboty prowadzą prace przygotowawcze przed przybyciem ludzi lub wykonują zadania w miejscach zbyt niebezpiecznych dla astronautów. Na Marsie mogłyby działać jako pionierzy, prowadząc wstępne rozpoznanie terenu.
Czytaj też: Humanoidalny robot Oli z gracją balansuje po nierównym podłożu. Gruz i skały mu nie straszne
Choć wizja w pełni samodzielnych robotów badających głęboki kosmos jest wciąż odległa, testy na ISS stanowią mocny, praktyczny krok w tym kierunku. Pokazują, że połączenie sprawdzonej inżynierii z uczeniem maszynowym może działać nawet tam, gdzie margines błędu jest niemal zerowy. To raczej ewolucja niż rewolucja, ale w eksploracji kosmosu nawet małe kroki mają ogromne znaczenie.