|
为了研究地球并探索广阔的宇宙空间，NASA利用了人工智能开展了许多新项目，快速推进人工智能实验室在规划和调度领域进行基础研究，这些项目在科学分析应用，深空网络操作，航天器指挥和航天运输系统都有很大的贡献。 今天，我们将详细介绍JPL（Jet Propulsion Laboratory，喷气推进实验室）目前正在开展的一些重大项目。其中大部分与规划技术，航天器自动控制有关。 NO.6 ASPEN JPL 的 AI 团队一直致力于开发 ASPEN 系统 （Advanced System for Process Engineering，过程工程的先进系统）。这是一个模块化的，可重新配置的框架，可以支持多种类型的规划和调度应用程序。 框架包括实现这些元素的各种组件，主要在复杂的计划或调度系统中找到，如时间推理系统，资源管理系统，表达式建模语言和图形界面。具体来说，它被用于任务设计规划，航天器操作，地面漫游器规划，协调的多个漫游者规划和多个漫游者规划。 作为一个地面系统，ASPEN 利用内部航天器模型和不同的高层次目标来提供由飞船执行的具体指令。作为一个基于飞行的系统，它不断接收流动站状态的更新，并更新计划以反映周围的变化。作为一个天线调度系统，它被用来自主控制一个 DSN 站。 AI 技术基于启发式搜索，迭代修复和时间推理。该框架有一个通用的架构，可以很容易地从不同的传播算法和搜索引擎中进行选择，使规划过程有效。而且，用户可以与日程进行互动，并快速有效地重新计划。 它目前可用于外部许可，但不能向外输出。将来，ASPEN 将用于修复计划与执行相结合。 NO.5 MISUS MISUS（Multi-Rover Integrated Science Understanding System，多揽子综合科学理解系统）开发技术是一项用于控制行星探测漫游者的技术。 NASA 开发的 MISUS 架构由三个主要组件组成—— 数据分析：一个分布式机器学习系统，执行无监督聚类，用于模拟流动站观测到的岩石类型分布。它可以引导漫游者的感应，不断改善行星场景的内容。 规划：分布式规划系统，生成运营计划以实现输入流动站科学目标。有一个统筹人员在流动站之间分配科学目标，并在个人漫游车上分配与每个操作有关的分配计划员集合。 环境模拟器：一个多流动站模拟器，模拟几个地质周围和流动站科学运作。它处理所有环境的科学数据，跟踪操作，并反映流动站科学设备的观测。 整个系统以闭环方式运行，数据分析系统可以被视为科学家们在推动勘探过程。首先将数据传输给流动站聚类算法，将所有收集到的数据集成到更新后的全局模型中，并将新模型广播回分布式聚类器。 聚类输出被优先级算法用来产生一组新的观测目标，这将进一步提高模型的准确性。然后将这些目标传送给中央规划者，以最有效地处理请求的方式将个人漫游者分配给目标。 然后每个漫游者规划者产生一些具体的行动，尽可能多地实现其分配的目标。然后将动作序列发送到仿真器，并将收集到的信息发送回流动站群。整个循环一直持续到收集到足够的信息以产生任何观察到的岩石类型的不同簇。
NO.4 分布式航天器 该项目使用最新的技术来控制具有任务目标的航天器星座，而不是每个航天器的命令序列。 这项研究推动了建模和仿真能力，以便通过分布式技术实现航天器编队和群集的高精度，实时仿真。 美国宇航局正在开发一种新的仿真体系结构，以利用编队的分布式性质，并将仿真在多个处理器之间进行分组。例如，HYDRA（分层分布式可重构体系结构）被开发用于跨混合和多平台环境无缝地部署模拟模块和技术。 HYDRA自动化仿真模块之间的通信过程。它已成功地注入FAST（形成算法和模拟测试平台）作为陆地行星查找程序的一部分。 总体目标是建立稳健，快速的全局优化算法，解决编队飞行指导，估算，控制和决策问题。这包括编队飞行的快速分布式估计器，航天器之间的分布式资源分配，稳健的地层保持控制，地层燃料优化重新配置路径规划以及模式命令。 NO.3 CASPER CASPER(代表连续作业调度计划的执行和重新规划)利用迭代修复方法来支持航天飞行器的连续转换或者修复。 传统的用于模型规划的批处理方法都有一定的弊端，建立一个抓取需求的平台需要大量的计算，而计算资源通常都是有限的。 那么目标就是做一个更有效、能够对未知变化响应的计划。该计划可以减少对于预测模型的依赖，例如不可逆的模型误差。 为了实现这些，JPU 利用一个连续计划技术，也就是CASPER。该计划有一个现有目标设置、状态和预期结果模型。实时状态可以由增量进行随时更新。该更新可以是任何事，从简单的时间处理调整到未预期的事件。 该计划拥有一个进一步的最少可用需求数据的连续规划。然而，大多数时间并不会如预期的那样运行。这时候就是该模型起作用的时候——它可以根据场景随时做好准备进行调整。 现有的迭代修复规划方法可以使得最初状态的和目标的增量迭代然后逐步的解决冲突。每次迭代之后，他的影响将会传播已发现冲突并更新计划（例如修复算法唤醒）。 该技术用于行星探测车，新千年地球轨道1号，城市探索者，高度可重复使用的空间蒸腾，分布式漫游者，修改南极测绘任务，等等。
NO.2 火山探测网络 该项目采用一个由互联网和基于卫星自主观测响应能力的软件连接的传感器网络。他具有模块化、灵活的体系结构，便于传感器扩展、触发场景和相应的定制。 现在，它已经被应用于全球的火山活动检测。此外，NASA还运行该网络来检测冰冻圈现象、洪水和大气现象。 一些业务卫星可以免费提供数据，例如MODIS（中分辨率成像光谱仪）的数据几乎可以实时通过直接广播获得。这些数据提供了惊人的传感能力的全球和区域覆盖范围。 然而，这些设备不提供高分辨率的数据，适合于许多科学应用。事实上，它们大多是高需求资产和高度约束的设备。 在火山探测网络中，高覆盖率和低分辨率传感器来触发的高分辨率设备。此外，还有很多其他的理由为探测传感器网络。例如，自动响应可以通过像成像雷达这样的复杂设备来进行观测。或者，它们可以用来增加观察频率，以提高时间分辨率。 现在，它被用来监控50个地球最活跃的火山。此外，NASA还运行实验监测森林火灾，洪水和冰冻圈事件。
NO.1 ASE 以前NASA任务中使用的航天器（在2000之前）没有能力根据空间收集的数据进行自主判断。然而，自2003以来，ASE（自动科学航天实验）在进行对地球观测任务，并采用连续的规划，在模式识别和机器学习来提高效率。 ASE软件演示了使用机载决策来识别、检查和响应事件和下行链路的能力，这些数据只包含最高值的数据。 该AI技术包括了大量的有用的模块，例如：
ASE在地球科学、空间物理和行星科学方面开辟了一系列广泛的新应用。该技术减少了异常丢失的停机时间，减少了使用自治软件的设备安装时间，并且显著地提高了固定下行链路的科学性。 最初，ASE包含监控高层次目标的科学目标。CASPER是用来产生周期性监测计划的目标（使用Hyperion仪器）。该系统所使用的科学算法检测图像并根据其检测下行链路。如果没有合适的现象，科学软件命令策划者获得下一个最高优先级的目标。 另外，SCL软件实现了通过CASPER产生连接自主元素和重复后续观察效果后的计划。 |
|
|
