Uma nova tecnologia de inteligência artificial pode acelerar o diagnóstico de falhas físicas em naves espaciais e sistemas de voos espaciais, melhorando a eficiência da missão ao reduzir o tempo de inatividade.
A pesquisa em inteligência artificial para resiliência de espaçonaves (RAISR) é um software desenvolvido pela estagiária da Pathways, Evana Gizzi, que trabalha no Goddard Space Flight Center da NASA em Greenbelt, Maryland. Com o RAISR, a inteligência artificial pode diagnosticar falhas em tempo real em espaçonaves e sistemas de voos espaciais em geral.
“A espaçonave relatando uma falha é como um carro com uma luz de verificação do motor acesa”, disse Gizzi. “Você sabe que há um problema, mas não pode necessariamente explicar a causa. É aí que o algoritmo RAISR entra, diagnosticando a causa como uma tampa de gás solta.”
No momento, a capacidade de fazer inferências sobre o que está acontecendo que vai além das tradicionais árvores de falha “se-então-senão” é algo que apenas humanos podem fazer, disse Gizzi.
O diagnóstico atual da árvore de falhas depende de a física ser simples e já conhecida por engenheiros e cientistas. Por exemplo, se a temperatura de um instrumento cair muito, a espaçonave pode detectar essa situação e ligar os aquecedores. Se a corrente em uma linha aumentar, a espaçonave pode trabalhar para isolar o circuito problemático. Em ambos os casos, a espaçonave simplesmente sabe que se “A ‘acontecer, responda fazendo” B. “O que a espaçonave não pode fazer é descobrir o que causou esses eventos, especialmente em casos de falha inesperada: se a espaçonave entrou na sombra da Terra ou um micrometeoróide danificou um circuito.
Esses tipos de conclusões requerem a capacidade de seguir uma cadeia lógica de inferências não triviais – algo como o raciocínio humano, disse Gizzi. A inteligência artificial (IA) pode até ser capaz de conectar a diminuição da temperatura da espaçonave com um mau funcionamento em seu sistema de regulação de calor interno: um exemplo de falha mais catastrófica.
Referir tais falhas a um humano no solo não leva apenas tempo, mas custa recursos valiosos em termos de redes de comunicação e largura de banda para missões menores na órbita da Terra, ou mesmo para explorar planetas distantes, onde a largura de banda para controladores na Terra é limitada pela distância .
Em outras circunstâncias, como orbitar atrás de outro planeta ou da Lua, o contato simplesmente não está disponível. Os computadores também superam os controladores humanos quando uma inferência adequada precisa ser feita de forma extremamente rápida, usando vários tipos de dados díspares.
Em seus estágios atuais, o RAISR não controlaria ativamente a espaçonave de forma alguma, mas facilita o diagnóstico ao encontrar associações que um ser humano pode perder.
Michael Johnson, o tecnólogo chefe da Diretoria de Engenharia e Tecnologia da Goddard, disse que os modos de segurança atuais perdem um tempo valioso porque a coleta de dados científicos cessa, enquanto uma tecnologia que poderia diagnosticar e resolver uma falha pode levar a um retorno mais rápido às operações normais de vôo.
RAISR usa uma combinação de aprendizado de máquina e técnicas clássicas de IA. Embora as técnicas baseadas em aprendizado de máquina possam ser particularmente úteis no diagnóstico de falhas, seu desempenho depende de ter uma grande quantidade de dados diversos, disse Gizzi, e, portanto, geralmente trata de falhas que aconteceram no passado. Com anomalias, que são falhas que nunca foram experimentadas, simplesmente pode não haver dados suficientes para criar um raciocínio sólido com técnicas baseadas em aprendizado de máquina. É aí que entra a IA clássica, disse Gizzi, facilitando o raciocínio em situações mais complicadas que não têm dados anteriores para informar as decisões.
A tecnologia da Gizzi ajuda a fazer conexões que são extraordinariamente difíceis de serem feitas por humanos, disse Conrad Schiff, chefe assistente de tecnologia na divisão de engenharia de software da Goddard.
“Não é apenas um sistema automatizado”, disse Schiff. “É um sistema autônomo que tenta revelar como chegou ao ‘whodunit.” Expor as evidências como um detetive no final de um romance de mistério, para que todos possamos ver quem é culpado de assassinato – esse é o mesmo princípio aqui. Compreende essas associações, ajuda-nos a compreender o seu raciocínio para chegar à sua conclusão. ”
O RAISR permite uma melhor coleta de dados e observações, reduzindo os recursos necessários para a manutenção dos próprios sistemas, acrescentou Schiff. “É menos glamoroso, é mais corajoso, mas garante que a saúde e a segurança da coisa que produz os dados sejam mantidas da melhor maneira possível.”
Em geral, a IA pode agir como um cérebro adicional dentro da espaçonave.
“Você pega um engenheiro ou um cientista do laboratório e coloca uma cópia simplificada deles na espaçonave, para que possam tomar decisões inteligentes no local”, disse Johnson.
Os próximos passos do RAISR incluem uma demonstração em uma missão de pequeno satélite, disse Gizzi, onde pode tomar decisões de diagnóstico em tempo real para comparar com o controle de solo.
À medida que mais missões adotam técnicas de IA, disse Johnson, as abordagens de teste podem ter que mudar. Protocolos rigorosos que testam todos os cenários possíveis podem não se aplicar. Isso, combinado com a mudança cultural da resolução de problemas com base no solo para permitir que os sistemas em órbita resolvam os problemas sozinhos, torna a colocação da IA em espaçonaves uma jornada incremental, disse ele.
?Quando penso em voos espaciais, é um alvo para sistemas autônomos que faz sentido?, disse Johnson. “O salto real ocorre quando vamos além da automação para a autonomia, das etapas de programação que você sabe que acontecerão para o sistema começar a pensar por si mesmo. Quando você vai para o espaço profundo, haverá coisas para as quais você não programou. A necessidade está realmente lá. “
Publicado em 23/05/2021 21h49
Artigo original: