Jurutera Stanford, buat pertama kalinya, telah menggunakan AI untuk membantu mengawal robot di Stesen Angkasa Antarabangsa. Kerja mereka boleh membuka jalan untuk lebih ramai pembantu autonomi dalam misi masa hadapan ke bulan dan Marikh.
Sebuah robot sebesar pembakar roti yang meluncur secara senyap-senyap melalui Stesen Angkasa Antarabangsa, mengelak komputer riba dan peralatan makmal ketika ia menghantar bekalan atau memeriksa kebocoran tanpa angkasawan di kawalan, kedengaran seperti fiksyen sains. Sebuah pasukan yang diketuai oleh Stanford baru sahaja mengambil langkah besar ke arah mewujudkan rutin itu.
Penyelidik di Universiti Stanford telah menjadi yang pertama menunjukkan bahawa sistem kawalan berasaskan pembelajaran mesin boleh mengendalikan robot di atas ISS, menggunakan platform Astrobee NASA yang terbang bebas sebagai tempat ujian. Kerja mereka, diterbitkan dan dibentangkan dalam di Persidangan Antarabangsa mengenai Robotik Angkasa 2025, menunjukkan bahawa kecerdasan buatan boleh membantu robot angkasa merancang laluan yang selamat dan cekap di bahagian dalam stesen yang sesak.
Hasilnya merupakan satu pencapaian penting untuk robotik angkasa lepas.
"Ini merupakan kali pertama AI digunakan untuk membantu mengawal robot di ISS," kata ketua penyelidik Somrita Banerjee, yang menjalankan kajian itu sebagai sebahagian daripada ijazah kedoktoran Stanfordnya, dalam satu siaran berita.
Astrobee ialah robot berbentuk kiub berkuasa kipas yang boleh terapung melalui modul bertekanan stesen. ISS bukanlah gudang terbuka; ia merupakan labirin petak yang saling berkaitan yang dipenuhi dengan komputer, loker simpanan, berkas pendawaian dan rak eksperimen. Merancang laluan yang mengelakkan semua itu, sambil kekal dalam had keselamatan yang ketat, merupakan masalah matematik yang sukar.
Keterangan: Astrobee ialah sistem robotik NASA yang terbang bebas. Dengan menggunakan Astrobee, penyelidik Stanford menjadi yang pertama menguji kawalan robotik berasaskan AI di Stesen Angkasa Antarabangsa.
Kredit: NASA
Di Bumi, robot sering bergantung pada komputer yang berkuasa dan perkakasan yang fleksibel untuk menyelesaikan tugas perancangan sedemikian. Di orbit, jurutera tidak mempunyai kemewahan itu.
"Komputer penerbangan untuk menjalankan algoritma ini selalunya lebih terhad sumbernya berbanding yang terdapat pada robot terestrial. Selain itu, dalam persekitaran angkasa lepas, ketidakpastian, gangguan dan keperluan keselamatan selalunya lebih mencabar berbanding aplikasi terestrial," tambah penulis kanan Marco Pavone, profesor madya aeronautik dan angkasawan di Sekolah Kejuruteraan dan pengarah Makmal Sistem Autonomi Stanford.
Untuk menavigasi realiti itu, pasukan itu membina pendekatan pengoptimuman klasik yang dikenali sebagai pengaturcaraan cembung berjujukan. Secara ringkasnya, kaedah ini memecahkan masalah perancangan gerakan yang rumit kepada satu siri langkah yang lebih kecil dan lebih mudah, secara beransur-ansur memperhalusi trajektori yang selamat dan boleh dilaksanakan untuk robot mengikutinya.
Masalahnya ialah menyelesaikan setiap langkah dari awal boleh menjadi perlahan, terutamanya pada komputer penerbangan yang sederhana. Kelewatan itu mengehadkan seberapa cepat robot boleh bertindak balas terhadap tugasan baharu atau keadaan yang berubah-ubah.
Inovasi utama kumpulan Stanford adalah untuk memberi perancang permulaan yang lebih baik menggunakan pembelajaran mesin. Mereka melatih model AI pada beribu-ribu laluan yang dikira sebelum ini melalui persekitaran seperti stesen. Lama-kelamaan, model tersebut mempelajari corak tentang di mana koridor terbuka cenderung berada dan di mana halangan biasanya muncul.
Apabila Astrobee diberikan titik permulaan dan akhir yang baharu, AI mencadangkan tekaan awal untuk laluan tersebut. Pengoptimum tradisional kemudiannya mengambil alih, melaraskan tekaan tersebut sehingga ia memenuhi semua kekangan keselamatan. Dalam teori kawalan, tekaan awal termaklum seperti ini dipanggil "permulaan hangat".
Banerjee menyamakannya dengan merancang pemanduan yang jauh.
“Menggunakan permulaan yang hangat adalah seperti merancang perjalanan darat dengan memulakan dengan laluan yang pernah dipandu oleh orang sebenar sebelum ini, dan bukannya melukis garis lurus merentasi peta,” katanya. “Anda bermula dengan sesuatu yang dimaklumkan oleh pengalaman dan kemudian mengoptimumkannya dari situ.”
Dengan bermula lebih dekat dengan jawapan akhir, sistem boleh menumpu dengan lebih pantas, menjimatkan masa pengkomputeran yang berharga tanpa melonggarkan pemeriksaan keselamatan.
Sebelum menghantar sistem AI mereka ke orbit, pasukan itu mengujinya di Pusat Penyelidikan Ames NASA di atas tapak ujian khas yang meniru mikrograviti. Sebuah robot yang serupa dengan Astrobee terapung betul-betul di atas meja granit yang digilap, disokong oleh pancutan udara termampat.
Banerjee menyifatkan persediaan itu sebagai "Ia seperti puck di atas meja hoki udara," yang membolehkan robot meluncur dengan geseran yang sangat sedikit.
Sebaik sahaja sistem itu lulus ujian darat, NASA menjadualkan satu eksperimen di ISS. Pada hari ujian, angkasawan melakukan apa yang dipanggil agensi itu sebagai persediaan "kru minimum", hanya mengendalikan persediaan dan pembersihan. Selepas itu, mereka terapung di luar sementara robot dan AI menjadi tumpuan utama.
Dari Bumi, Banerjee menghantar arahan kepada pengendali darat di Pusat Angkasa Johnson NASA di Houston. Pengendali menyampaikan arahan kepada Astrobee, menyatakan titik permulaan, destinasi dan halangan maya yang perlu dielakkan. Pasukan itu menjalankan setiap trajektori dua kali: sekali dengan permulaan "sejuk" tradisional, dan sekali dengan "permulaan hangat" yang disediakan oleh AI.
Secara keseluruhan, mereka menguji 18 laluan berbeza, setiap satu mengambil masa lebih daripada seminit. Keputusannya jelas.
"Kami menunjukkan bahawa ia 50 hingga 60% lebih pantas, terutamanya dalam situasi yang lebih mencabar," tambah Banerjee.
Kes-kes yang lebih sukar itu termasuk kawasan yang berselerak, koridor yang sempit dan manuver yang memerlukan robot berputar dan bukannya terbang lurus.
Sepanjang eksperimen, pelbagai langkah perlindungan telah disediakan. Halangan telah disimulasikan dalam perisian dan bukannya diletakkan secara fizikal, sekali gus menghapuskan risiko perlanggaran. Robot sandaran bersedia dan pengendali boleh menghentikan sebarang larian jika perlu. Sistem AI sentiasa berfungsi dalam perancang yang teliti secara matematik yang menguatkuasakan had keselamatan.
Bagi Banerjee, menyaksikan ujian itu berlaku di orbit bukan sekadar satu kejayaan teknikal tetapi juga kejayaan peribadi.
“Bahagian paling menarik ialah melihat angkasawan terapung semasa eksperimen,” tambahnya. “Salah seorang daripada mereka ialah salah seorang wira zaman kanak-kanak saya, Sunita Williams. Melihat kerja bertahun-tahun benar-benar beraksi di angkasa lepas dan melihatnya di sana semasa robot bergerak adalah sesuatu yang luar biasa.”
NASA telah menetapkan sistem "permulaan hangat" pasukan itu sebagai mencapai Tahap Kesediaan Teknologi 5, yang bermaksud ia telah berjaya diuji dalam persekitaran operasi yang berkaitan. Status itu memberi isyarat kepada perancang misi bahawa pendekatan tersebut cukup matang untuk dianggap berisiko rendah untuk eksperimen penerbangan angkasa lepas pada masa hadapan.
Di luar ISS, kerja-kerja ini menunjukkan masa depan di mana robot memikul lebih banyak tugas rutin dan berbahaya di angkasa lepas, daripada pemeriksaan inventori dan pemeriksaan di makmal yang mengorbit hinggalah kepada pengintipan rupa bumi dan pembinaan infrastruktur di bulan atau Marikh. Apabila misi bergerak lebih jauh dari Bumi, kelewatan komunikasi menjadikan teleoperasi manusia yang berterusan tidak praktikal.
“Memandangkan robot bergerak lebih jauh dari Bumi dan apabila misi menjadi lebih kerap dan kosnya lebih rendah, kita tidak akan selalu dapat mengendalikannya secara teleoperasi dari darat,” tambah Banerjee. “Autonomi dengan jaminan terbina dalam bukan sahaja membantu; ia penting untuk masa depan robotik angkasa lepas.”
Makmal Pavone, yang beroperasi melalui Pusat Penyelidikan Autonomi Aeroangkasa Stanford dan dengan kerjasama Makmal Pertemuan Angkasa Stanford, merancang untuk memajukan idea ini lebih jauh. Pasukan ini sedang meneroka model AI yang lebih berkuasa, serupa dengan yang digunakan dalam alat bahasa moden dan sistem pandu sendiri, yang boleh digeneralisasikan kepada persekitaran dan tugas yang lebih kompleks.
Jika usaha tersebut berjaya, angkasawan masa depan boleh berkongsi kapal angkasa mereka dengan armada rakan kongsi robot yang semakin berkemampuan, secara senyap-senyap memetakan laluan selamat melalui yang tidak diketahui sementara rakan sejawat manusia mereka memberi tumpuan kepada penemuan.
sumber: Universiti Stanford