Az aszteroida-bányászattal foglalkozó AstroForge mesterséges intelligenciára épülő, önálló irányító réteget készít űrhajói számára, hogy csökkentse a földi vezérlés iránti igényt. A vállalat 2022-ben alakult, és eddig 56 millió dollár kockázati tőkét vont be.
Miért választanak AI-t a startupok?
A NASA-szerű küldetések hagyományosan nagy földi operátori csapattal dolgoznak: például az OSIRIS-REx missziónál, amely 2018-ban találkozott egy aszteroidával, egy nyolcórás műszakban mintegy 100 operátor felügyelte a járművet. Ilyen erőforrások azonban nem állnak rendelkezésre startupoknál, ezért az AstroForge a fedélzeti intelligencia növelését tartja járható útnak.
A „Solo” rendszere
A cég saját fejlesztésű, transformer-alapú vezérlőcsomagot nevezett el Solo-nak. A verem hagyományos szabályozó algoritmusokat, alműködési rendszerekre (például energiatermelés, navigáció) tesztadatokon kiképzett modelleket, valamint egy átfogó intelligencia réteget tartalmaz, amely körülbelül 2 500 érzékelő adatára lett betanítva.
Armand Awad, az AstroForge repülési szoftverért felelős vezetője azt mondta, hogy a döntést a frontier laborok által hajtott transformer-fejlesztésekre alapozzák.
Korábbi tapasztalatok és a hajtóerő
A vállalat korábbi két prototípusa műszaki anomáliákat szenvedett, amelyek megakadályozták, hogy teljesítsék küldetéscéljaik nagy részét. 2025-ben indították az Odin nevű járművet mélyűrbe, de kapcsolatfelvételi nehézségekbe ütköztek: kevés olyan nagy földi antenna van, amely képes néhány százezer mérföldre lévő űreszközhöz kommunikálni, és a kapcsolatfelvételi időablakok kicsik.
Az Odin fölötti kontroll elvesztése arra késztette a cég vezetését, hogy alternatívát fontoljon: lehetséges-e elég intelligenciát tenni a járműre ahhoz, hogy maga oldja meg a problémáit? „Nem tudom, hogy a fedélzeten lévő összes adat birtokában ez helyrehozható lett volna-e, de azt elmondhatom, hogy semmi sem próbálkozott meg ezzel a fedélzeten, és szeretném, ha lenne valami a fedélzeten, ami próbálkozik, ha a jármű indításnál helyrehozhatatlanná válik” — mondta Matthew Gialich, az AstroForge társalapítója és vezérigazgatója.
Gialich felvetette a földi hálózat kiépítésének költségét is: szerinte öt, világszerte elhelyezett parabola kiépítése és üzemeltetése körülbelül 200 millió dollárba kerülne, így a modell alkalmazása gazdaságosabb alternatíva lehet.
Mire képes a Solo az elmélet szerint?
A vezérlőügynök várhatóan olyan feladatokat végezne el, mint az anomáliák diagnosztikája és javítása. Awad elképzelése szerint a rendszer például felismerheti, ha elvesztette a pozíciókövetést, összefüggést találhat egy áramellátási anomália és a csillagkövető (star tracker) hibája között, és a megoldás érdekében egyszerű be- és kikapcsolást kezdeményezhet.
Próberepülések és ütemterv
Az AstroForge harmadik járműve, a DeepSpace-2 jelenlegi tervek szerint Intuitive Machines harmadik holdküldetésével együtt indul, amely várhatóan 2026 vége felé emelkedik majd a világűrbe. Ezen a repülésen a Solo „shadow mode” — árnyék üzemmódban — lesz jelen, így a mérnökök valós körülmények között tesztelhetik a rendszert az Autonomy-1 küldetés előtt.
A cég tervei szerint az első fedélzeti autonóm repülés 2027-ben történik majd a Stoke Space első indításán. Ez a küldetés NASA-támogatással indul, és várhatóan a Napról gyűjt majd tudományos adatokat.
Mennyire lesz „önálló” a jármű?
Gialich egyelőre óvatosan közelít az emberi beavatkozás teljes kizárásához: „Nem tervezek rádiókat repíteni, amelyek képesek a Földről vételre az Autonomy-1 küldetésen” — mondta. Hozzátette, hogy a csapat talán meggyőzi őt a változtatásról addigra, amíg ténylegesen meg nem repülik a küldetést, de jelen állás szerint rádiók nélkül kívánnak kísérletet tenni.
Kontextus a műholdautonómia területén
A legtöbb jelenlegi űreszköz-autonómia hagyományos szabályozó algoritmusokra támaszkodik a neurális hálózatok bizonytalansága miatt. Az első, neurális hálózatot használó műholdpozíció-irányítási kísérletre azonban csak tavaly került sor, ami azt mutatja, hogy a terület gyorsan változik.
Az AstroForge lépése a fedélzeti AI irányába fontos teszt lehet arra nézve, hogy kisebb szervezetek mennyire képesek csökkenteni a földi infrastruktúra iránti függést mesterséges intelligencia segítségével.
