Искусственный интеллект повысил точность лазерных систем слежения за космическим мусором

Наземные лазерные станции постоянно отслеживают движение космического мусора.

Наземные лазерные станции постоянно отслеживают движение космического мусора.
Иллюстрация NASA.

Человечеству важно знать, где и какой объект находится на орбите, чтобы не допустить его столкновения с космическими аппаратами. Новый подход, использующий нейронные сети, обеспечивает беспрецедентную точность отслеживания космического мусора.

Человечеству важно знать, где и какой объект находится на орбите, чтобы не допустить его столкновения с космическими аппаратами. Новый подход, использующий нейронные сети, обеспечивает беспрецедентную точность отслеживания космического мусора.

Достижение описано в научной статье, опубликованной в издании Journal of Laser Applications.

Более 50 станций лазерных станций слежения по всему миру наблюдает за фрагментами космического мусора. Потенциально они могут определить координаты объекта с точностью до миллиметра. В реальности же сигнал, отражённый от орбитального "железа", обычно очень слаб. Инженерам приходится использовать изощрённые математические методы, чтобы уточнить местоположение потенциально опасного объекта.

Не так давно специалисты предложили использовать для этого самообучающиеся нейронные сети. Но одно это не позволяет решить все проблемы. Ведь такая система может использовать самые разные методы самообучения, и выбрать из них оптимальный – отдельная задача. Требуется, чтобы сеть можно было обучить на разумном числе объектов, и при этом она не стала гиперчувствительной, то есть то и дело выдающей ложные срабатывания.

Авторы новой статьи использовали для обучения нейронной сети метод обратного распространения ошибки. Чтобы оптимизировать его, они применили генетические алгоритмы и метод Левенберга–Марквардта.

Инженеры сравнивали свой подход с тремя классическими способами уточнить направление на небесный объект. Нейронная сеть обучалась на 95 фрагментах космического мусора. Для тех же объектов определялись и коэффициенты, необходимые для работы трёх стандартных алгоритмов. Затем эффективность каждого метода проверялась при помощи 22 артефактов, которые не входили в первоначальную обучающую выборку.

Напомним, что есть несколько способов задать координаты точки на небесной сфере. Один из самых распространённых – это указать её высоту и азимут. То и другое – углы, и измеряются они в градусах. Азимут показывает, над какой точкой горизонта находится нужный объект (или, проще говоря, в какую сторону света смотреть, чтобы его увидеть). Высота – это угол между горизонталью и направлением на объект. Он показывает, как высоко тот находится над горизонтом.

Проверка показала, что обученная нейронная сеть лучше уточняет положение объекта, чем классические подходы. По сравнению же с ситуацией, когда не применяются никакие методы коррекции, точность отслеживания цели с помощью нового алгоритма улучшается в девять раз по азимуту и в три раза по высоте. При этом метод оказался достаточно быстрым для работы в реальном времени.

"После повышения точности наведения телескопа с помощью нейронной сети можно обнаружить космический мусор с площадью поперечного сечения в один квадратный метр с расстояния 1500 километров", – говорит первый автор статьи Тяньмин Ма (Tianming Ma) из Китайской академии геодезии и картографии.

Для сравнения: высота орбиты МКС составляет 400 километров. Таким образом, метод позволяет зондировать ближний космос. В то же время геостационарная орбита (самая захламлённая часть космоса) пролегает примерно в 36 тысячах километров от Земли.

К слову, ранее "Вести.Наука" (nauka.vesti.ru) писали о предстоящем запуске робота-камикадзе для уборки космического мусора и о стратегиях выживания спутников в океанах космического хлама.