هوش مصنوعی توانسته است سرعت ناوبری ربات حاضر در ایستگاه فضایی بین‌المللی (ISS) را حدود ۵۰ تا ۶۰ درصد افزایش دهد. این دستاورد نخستین نمایش عملی سامانه کنترل حرکت مبتنی بر یادگیری ماشین در مدار زمین است. این سیستم، در فضای تنگ و مملو از تجهیزات داخلی ایستگاه فضایی که الگوریتم‌های سنتی به‌دلیل محدودیت توان پردازشی کامپیوترها با دشواری در آن عمل می‌کنند، عملکردی کارآمد ارائه می‌دهد. ناسا این فناوری را در سطح TRL-5 تأیید کرده و این موضوع مسیر به‌کارگیری ربات‌های خودگردان را در مأموریت‌های آینده ماه و مریخ هموار می‌سازد.

رباتیک خودگردان در فضا

گروهی از پژوهشگران دانشگاه استنفورد موفق شده‌اند پیشرفتی مهم در حوزه رباتیک فضایی رقم بزنند: ربات حاضر در ایستگاه فضایی بین‌المللی، با کمک هوش مصنوعی می‌تواند با سرعت بیشتری در محیط داخلی این مجموعه حرکت کند. این پیشرفت که با همکاری سامانه ربات پرنده ناسا موسوم به آستروبی (Astrobee) انجام شده، نخستین کاربرد کنترل حرکت مبتنی بر یادگیری ماشین در مدار را نشان می‌دهد. این موفقیت ثابت می‌کند ربات‌ها قادرند با بهره‌گیری از تجربیات پیشین، با ایمنی و کارایی بالاتری حرکت نمایند.

برای فضانوردانی که از ربات‌ها برای انجام کارهای روزمره استفاده می‌کنند، این پیشرفت چشم‌اندازی از آینده‌ای ارائه می‌دهد که در آن ماشین‌ها می‌توانند وظایف بیشتری را به‌صورت مستقل انجام دهند، به‌ویژه در محیط‌هایی که برای انسان بسیار خطرناک یا بیش از اندازه پیچیده‌اند.

چرا ناوبری در ایستگاه فضایی بین‌المللی بسیار دشوار است؟

فضای داخلی ایستگاه فضایی بین‌المللی به‌شدت شلوغ و فشرده است. دیواره‌ها با رک‌های آزمایشگاهی، لپ‌تاپ‌ها، سیم‌ها، دوربین‌ها و محفظه‌های نگه‌داری تجهیز شده‌اند. تصور کنید باید یک پهپاد را از میان راهرویی باریک و پوشیده از تجهیزات هدایت کنید و سپس آن پهپاد را در شرایط ریزگرانش قرار دهید؛ این همان چالشی است که ربات آستروبی با آن روبه‌رو است.

الگوریتم‌های مسیریابی سنتی که روی زمین استفاده می‌شوند به توان پردازشی زیادی نیاز دارند، در حالی‌ که رایانه‌های پرواز قابل‌استفاده در فضا بسیار کم‌قدرت‌ترند. علاوه بر این، اختلالات پیش‌بینی‌نشده‌ای مانند جریان هوا از دریچه‌های تهویه یا جابه‌جایی اعضای خدمه می‌تواند ناوبری ایمن را دشوارتر سازد.

روش هوش مصنوعی و چگونگی افزایش سرعت ناوبری

برای غلبه بر این مشکلات، تیم تحقیقاتی یک مدل یادگیری ماشین را با هزاران مسیر از پیش تعریف‌شده در داخل ایستگاه فضایی آموزش دادند. بدین ترتیب، سیستم می‌تواند یک «آغاز گرم» تولید کند؛ یعنی پیش‌بینی اولیه‌ای از مسیر مناسب برای ربات پیش از آن‌که الگوریتم به‌طور کامل اجرا شود داشته باشد.

این رویکرد ترکیبی، تمامی محدودیت‌های ایمنی ناسا را حفظ می‌کند و در عین حال سرعت برنامه‌ریزی مسیر را به‌طور چشمگیری افزایش می‌دهد. در دشوارترین موقعیت‌ها مانند گذر از بخش‌های بسیار تنگ یا مسیرهایی که نیازمند چرخش‌های پیچیده هستند، روش مبتنی بر هوش مصنوعی توانسته است سرعت عملکرد را ۵۰ تا ۶۰ درصد افزایش دهد.

در شرایطی که روش سنتی باید به‌کندی مسیر عبور از میان دو تجهیز نصب‌شده مقابل یکدیگر را محاسبه نماید، روش مبتنی بر هوش مصنوعی با تکیه بر مسیرهای مشابه گذشته، یک طرح اولیه ارائه می‌دهد و محاسبات را در زمانی نزدیک به نصف تکمیل می‌کند.

آزمون‌های زمینی و آزمایش‌های مداری

پیش از ارسال این سامانه به ایستگاه فضایی بین‌المللی، آزمایش‌های زمینی آن روی میز هوای شبیه‌ساز ریزگرانش در مرکز پژوهشی Ames ناسا انجام شد. پس از قرار گرفتن در مدار، فضانوردانی از جمله سونیـتا ویلیامز تنها در مرحله آماده‌سازی کمک کردند و تمامی عملیات اصلی از زمین هدایت شد؛ بطوریکه فرمان‌ها ابتدا از دانشگاه استنفورد به مرکز فضایی جانسون ناسا و سپس به ایستگاه فضایی ارسال می‌گردید.

هر یک از ۱۸ مسیر آزمایشی دو بار اجرا شد: یک بار با آغاز سرد سنتی و یک بار با آغاز گرم مبتنی بر هوش مصنوعی. نتایج در تمام موارد یکسان بود و بیشترین میزان افزایش سرعت در بخش‌های فشرده و شلوغ ایستگاه مشاهده گردید.

تأیید ناسا و کاربردهای آینده

این فناوری اکنون به سطح آمادگی فناوری ۵ (TRL-5) رسیده؛ یعنی کارکرد آن در محیط عملیاتی واقعی تأیید شده است. این سطح از اعتبار، ریسک پروژه‌های آینده‌ای را که به ربات‌های خودگردان متکی هستند، به‌شدت کاهش می‌دهد.

تیم تحقیقاتی قصد دارد مدل‌های پیشرفته‌تری را ادغام کند؛ مدل‌هایی مشابه سامانه‌های مورد استفاده در خودروهای خودران و مدل‌های زبانی بزرگ نظیر ChatGPT، تا ربات‌هایی ساخته شوند که بتوانند با توانایی استدلال، برنامه‌ریزی و اکتشاف بهتری عمل کنند.

در مأموریت‌های آینده ماه و مریخ که تأخیرهای ارتباطی امکان کنترل مستقیم را محدود می‌کند، چنین خودمختاری حیاتی است. ربات‌ها در آینده نزدیک می‌توانند غارها را نقشه‌برداری کرده، محل‌های فرود را شناسایی نمایند یا به فضانوردان در زیستگاه‌هایی که میلیون‌ها کیلومتر از زمین فاصله دارند کمک کنند؛ آن‌هم بر پایه فناوری هوش مصنوعی که اکنون در ایستگاه فضایی بین‌المللی آزمایش و تثبیت شده است.