AI和机器学习：摇晃空间行业

文章：Ossi Saarela

航天器自主权主要是基于逻辑的算法集合，旨在响应可以定义（或至少有界限）先验的一系列情况。当对算法的输入属于预定义的任务范围内，这种类型的人工智能（AI）已经运行了很好的工作，允许预先构建的逻辑语句提前生成适当的响应。

今天越来越雄心勃勃的使命要求要求从航天器越来越高的自主权和更多的导航精度，需要超过基于逻辑的AI。小彗星和小行星的高精度空间导航;在卫星和行星上入门，下降和着陆（EDL）;并且，具有合作和不合作目标的Rendezvous和接近操作（RPO）都需要基于视觉系统提供的感应和感知能力。传统上，这些技术的发展已经落入公共部门的领域，但今天私营部门正在积极参与基于视野的技术，如自主卫星服务，月球着陆和基于视觉的AI和机器的研究学习。

---

编者注：可重复使用的火箭队的开发正在降低对空间的科学和商业探索的障碍，促进越来越兴趣和空间电子投资。本文是一个部分aspencore特殊项目这为设计人员提供了一种了解创造空间的电子设计所需的技术和设计实践，包括IC，ASIC，Flex-Cable，连接器，热管理，Rad-Hard Techniques，空间相关的测试方法等。万博投注网址

---

尽管基于视觉的传感系统的普及日益越来越大，但开发它们传统上是昂贵和资源密集的。用于将RAW图像转换为车辆控制数据的算法由具有专业领域专业知识的利基工程师组织开发的车辆控制。这些算法的验证和验证可以涉及复杂的物理测试平台，以机器人在轨道上朝向散定目标的物理秤模型，如航天器和小行星。在某些情况下，在将技术部署在其预期任务中，测试平台甚至在轨道中飞行。

一旦通过测试开发和验证了算法，在生产硬件上的实现是复杂的，需要优化可用的车载处理资源，这些资源通常受到可以在空间的敌对辐射环境中存活的计算硬件的可用性的限制。作为这种优化的一部分，它对于在FPGA和计算机处理器之间分布的算法的部分是常见的。这种分裂虽然可以提高设计复杂性和所需的工程专业人员。

美国宇航局的乌鸦是一个用于开发基于视觉的传感系统的轨道测试，用于相对导航。它在此显示在国际空间站上部署。（图片由美国宇航局提供）

但是，改变正在酝酿之中。正在进行的私人空间竞争，这些私人太空竞争正在扰乱许多空间相关技术，也在推动开发相对导航能力的成本。比赛这样的比赛谷歌Lunar Xprize.有动机的新公司以比以前可能的成本明显更低的成本开发外星着陆技术。

这是如何完成的？公司正在使用Matlab和Simulink等更高级别语言进行算法开发。这种方法使其算法设计工程师专注于开发高级应用而不是花费时间重新调度较低级别的图像处理例程，现在可以从架子上提供。这些更高级别的语言还可以实现候选算法的快速原型设计，可以与现有的引导，导航和控制模型集成，用于提前系统级验证。使用这些语言基于模型的设计还允许软件和硬件开发工程师自动生成用于在处理器和FPGA上的嵌入式部署的代码，并创建测试台进行系统验证。

图像处理技术（如分割）可以在MATLAB中完成，而无需重新改造建立的方法。（航天车辆图片由美国国家航空航天局提供）

[继续阅读EDN US：从其他行业学习]

ossi saarela.是MathWorks的空间段管理器。