Die Satellitendichte in der Erdumlaufbahn hat in den letzten Jahren exponentiell zugenommen. Die geringeren Kosten für Kleinsatelliten ermöglichen es Regierungen, Forschern und privaten Unternehmen, allein im Jahr 2023 rund 2.877 Satelliten in die Umlaufbahn zu bringen und zu betreiben. Dazu gehört auch die zunehmende Aktivität von Satelliten in der geostationären Erdumlaufbahn (GEO), die Technologien mit globaler Wirkung mit sich bringt, vom Breitband-Web bis zur Klimaüberwachung. Mit den vielfältigen Vorteilen dieser satellitengestützten Technologien gehen jedoch auch erhöhte Sicherheitsrisiken und Umweltbedenken einher. Um Kollisionen und andere Katastrophen zu verhindern, werden dringend genauere und effizientere Methoden zur Überwachung und Modellierung des Satellitenverhaltens benötigt.
Um diese Herausforderung anzugehen, startete das MIT Astrodynamics, House Robotic, and Controls Laboratory (ARCLab) das MIT ARCLab-Preis für KI-Innovation im Weltraum: ein einzigartiger Wettbewerb, bei dem die Teilnehmer KI nutzen müssen, um die Lebensmuster (PoLs) von Satelliten zu charakterisieren – die langfristige Verhaltensgeschichte eines Satelliten im Orbit – und dabei rein passiv gesammelte Informationen verwenden. Nach dem Aufruf zur Teilnahme im letzten Herbst verwendeten 126 Groups maschinelles Lernen, um Algorithmen zu erstellen, mit denen die Verhaltensmodi von GEO-Satelliten über einen Zeitraum von sechs Monaten gekennzeichnet und mit Zeitstempeln versehen werden konnten, und wetteiferten dabei um Genauigkeit und Effizienz.
Mit Unterstützung des US-Luftwaffenministeriums und des MIT AI Accelerator ist der Wettbewerb mit einem Gesamtpreisgeld von 25.000 US-Greenback dotiert. Ein Group von Juroren des ARCLab und des MIT Lincoln Laboratory bewertete die Einsendungen nach Klarheit, Neuheit, technischer Tiefe und Reproduzierbarkeit und vergab für jeden Beitrag eine Punktzahl von bis zu 100 Punkten. Nun haben die Juroren die Gewinner und Zweitplatzierten bekannt gegeben:
Erster Preis: David Baldsiefen — Group Hawaii2024
Mit einer Siegerpunktzahl von 96 erhält Baldsiefen 10.000 US-Greenback und wird eingeladen, gemeinsam mit dem ARCLab-Group im Herbst auf der Superior Maui Optical and House Surveillance Applied sciences (AMOS) Convention in Hawaii eine Postersession zu halten. Ein Gutachter bemerkte: „Klarer und prägnanter Bericht mit sehr guten Ideen wie der Label-Kodierung des Lokalisierers. Entscheidungen über die Architekturen und die Function-Entwicklung sind intestine begründet. Der bereitgestellte Code ist außerdem intestine dokumentiert und strukturiert, was eine einfache Reproduzierbarkeit der Experimente ermöglicht.“
Zweiter Preis: Binh Tran, Christopher Yeung, Kurtis Johnson, Nathan Metzger — Group Millennial-IUP
Mit einer Punktzahl von 94,2 erhält Y, Millennial-IUP 5.000 US-Greenback und wird außerdem dem ARCLab-Group bei der AMOS-Konferenz beitreten. Ein Gutachter sagte: „Die ausgewählten Modelle waren sinnvoll und gerechtfertigt, sie haben beeindruckende Anstrengungen zur Effizienzsteigerung unternommen … Sie haben physikalische Prinzipien zur Unterstützung ihrer Modelle verwendet und dies schien reproduzierbar zu sein. Insgesamt conflict es ein leicht verständlicher, prägnanter Bericht ohne viel Fachjargon.“
Dritter Preis: Isaac Haik und Francois Porcher — Group QR_Is
Mit einer Punktzahl von 94 teilen sich Haik und Porcher den dritten Preis in Höhe von 3.000 USD und werden außerdem zusammen mit dem ARCLab-Group zur AMOS-Konferenz eingeladen. Ein Gutachter bemerkte: „Dieser informative und interessante Bericht beschreibt die Kombination von ML und Signalverarbeitungstechniken auf überzeugende Weise, unterstützt durch informative Diagramme, Tabellen und Sequenzdiagramme. Der Autor identifiziert und beschreibt einen modularen Ansatz zur Klassenerkennung und seine Bewertung der Funktionsnützlichkeit, die, wie er richtig feststellt, nicht für alle Klassen gleichermaßen nützlich ist … Jeglicher Mangel an Einsatzerfahrung wird durch eine klare und detaillierte Diskussion der Vorteile und Fallstricke der von ihnen verwendeten Methoden und eine Diskussion ihrer Erkenntnisse ausgeglichen.“
Die Groups auf den Plätzen vier bis sieben erhalten jeweils 1.000 US-Greenback und eine Urkunde für hervorragende Leistungen.
„Das Ziel dieses Wettbewerbs conflict es, einen interdisziplinären Ansatz zur Problemlösung im Weltraumbereich zu fördern, indem wir KI-Entwicklungsexperten einluden, ihre Fähigkeiten in diesem neuen Kontext der Orbitalkapazität anzuwenden. Und alle unsere Gewinnerteams haben wirklich abgeliefert – sie brachten technisches Können, neuartige Ansätze und Fachwissen in eine sehr beeindruckende Einreichungsrunde ein“, sagt Professor Richard Linares, Leiter des ARCLab.
Aktive Modellierung mit passiven Daten
Während der gesamten Zeit, die ein GEO-Satellit in der Umlaufbahn verbringt, erteilen die Betreiber Befehle, um ihn in verschiedene Verhaltensmodi zu versetzen – Positionshaltung, Längsverschiebung, Verhalten am Lebensende usw. Satellite tv for pc Patterns of Life (PoLs) beschreiben das Verhalten im Orbit, das sich aus Sequenzen natürlicher und nicht-natürlicher Verhaltensmodi zusammensetzt.
ARCLab hat ein bahnbrechendes Benchmarking-Software für die Charakterisierung von Lebensmustern geosynchroner Satelliten entwickelt und das Satellitenbasierter Datensatz zur Identifizierung von Lebensmustern (SPLID), bestehend aus realen und synthetischen Weltraumobjektdaten. Die Teilnehmer der Problem verwendeten dieses Software, um Algorithmen zu erstellen, die mithilfe von KI das Verhalten eines Satelliten im Orbit abbilden.
Das Ziel des MIT ARCLab Prize for AI Innovation in House ist es, Techniker und Enthusiasten zu ermutigen, Innovationen und neue Fähigkeiten in etablierte Herausforderungen in der Luft- und Raumfahrt einzubringen. Das Group beabsichtigt, den Wettbewerb 2025 und 2026 abzuhalten, um andere Themen zu erkunden und KI-Experten einzuladen, ihre Fähigkeiten auf neue Herausforderungen anzuwenden.