Tiếp theoHướng dẫn tiếp theo
Mamba và không gian trạng thái chọn lọc
Ngôn ngữ AI
HƯỚNG DẪN ngành
AI trong không gian và vệ tinh
Các ví dụ về AI không gian bao gồm tự động hoá trên tàu, xử lý ảnh quan sát Trái Đất và phân tích dữ liệu khoa học.
Nghe hướng dẫn nàyAI thuật lại · ~1 min
Trên trang nàyđọc 1 phút
Tổng quan
Các ví dụ dưới đây mô tả các hệ thống hoặc minh chứng cụ thể của NASA, ESA và SpaceX; chúng không phải là đặc tính chung của mọi tàu vũ trụ.
Lặn sâu
Tự động hoá tàu vũ trụ hữu ích khi liên lạc bị trễ hoặc khi các thiết bị tạo ra dữ liệu nhiều hơn khả năng truyền ngay lập tức. NASA mô tả độ trễ ánh sáng Trái Đất–Sao Hỏa kéo dài vài phút và việc lập kế hoạch lộ trình AutoNav của Perseverance. Φsat-2 của ESA sử dụng AI trên bo mạch để lọc mây và các nhiệm vụ xử lý ảnh khác. Một lệnh của Ủy ban Truyền thông Liên bang (FCC) đề cập đến hệ thống tránh va chạm tự động của SpaceX Starlink. NASA cũng đề cập đến việc đảm bảo độ bền chịu bức xạ cho các linh kiện điện tử trong không gian. NASA còn ghi lại phần mềm phát hiện bất thường LSTM cho dữ liệu truyền thông và các ví dụ học có giám sát cho các hành tinh ngoại sao đang chuyển qua; AEGIS của JPL chọn các mục tiêu cảm biến từ xa. Mỗi tuyên bố liên quan đến một hệ thống hoặc minh chứng cụ thể.
Triển khai trong thế giới thực
Mạng truyền tải dữ liệu của NASA trên sao Hỏa mang dữ liệu rover trong khi độ trễ ánh sáng ngăn các đội trên Trái Đất điều khiển joystick liên tục theo thời gian thực.
ESA Φsat-2 uses onboard AI to filter cloud-obscured Earth images before downlink.
AEGIS của NASA chọn các mục tiêu khoa học cho các thiết bị cảm biến từ xa của rover như SuperCam.
NASA liệt kê một công cụ phần mềm dựa trên LSTM để phát hiện bất thường trong dữ liệu truyền thông của tàu vũ trụ.
Tương lai của AI trong không gian và vệ tinh
Xác thực các thuật toán trên bo mạch dựa trên cảm biến, môi trường bức xạ và hạn chế truyền thông của từng nhiệm vụ. Tách biệt các chức năng tự động hoá, lựa chọn mục tiêu khoa học, sàng lọc dữ liệu và an toàn, và báo cáo phiên bản hệ thống, điều kiện hoạt động và giám sát của con người.
Đưa nó vào thực tế
Tại sao nó quan trọng
- Bối cảnh và quy tắc. Bối cảnh của ngành quyết định liệu các ý tưởng AI có tồn tại được khi tiếp xúc với thực tế hay không.
- Kiểm soát chất lượng. Các ràng buộc về miền ảnh hưởng đến tỷ lệ lỗi có thể chấp nhận được và các mô hình giám sát.
- Xây dựng lựa chọn. Triển khai thành công sẽ điều chỉnh năng lực kỹ thuật phù hợp với quy trình làm việc tuyến đầu.
coi chừng
- Các yêu cầu pháp lý có thể vô hiệu hóa các nguyên mẫu mạnh mẽ.
- Dữ liệu lịch sử có thể mã hóa thành kiến gây tổn hại cho các cộng đồng cụ thể.
- Các hệ thống cũ có thể tạo ra các nút thắt cổ chai trong tích hợp và chi phí tiềm ẩn.
Các bước tiếp theo
- Thu hút các chuyên gia trong lĩnh vực từ việc xác định vấn đề đến đánh giá.
- Thiết kế các đường dẫn kiểm tra và tài liệu trước khi ra mắt.
- Xác nhận sớm các nghĩa vụ tuân thủ và an toàn.
- Triển khai theo từng giai đoạn với tiêu chí dừng và khôi phục rõ ràng.
Tiếp tục khám phá
Bản tin miễn phí
Nhận bản tóm tắt AI hàng ngày
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Tham gia bài kiểm tra AI trong Không gian và Vệ tinh
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Câu hỏi thường gặp
AI trong không gian và vệ tinh là gì?
Các ví dụ về AI không gian bao gồm tự động hoá trên tàu, xử lý ảnh quan sát Trái Đất và phân tích dữ liệu khoa học. Các ví dụ dưới đây mô tả các hệ thống hoặc minh chứng cụ thể của NASA, ESA và SpaceX; chúng không phải là đặc tính chung của mọi tàu vũ trụ.
Tại sao lệnh điều khiển rover trên sao Hỏa không thể được điều khiển như một joystick thời gian thực?
NASA giải thích rằng độ trễ ánh sáng trong truyền thông sao Hỏa kéo dài vài phút và thay đổi theo khoảng cách, vì vậy các nhà điều hành gửi kế hoạch thay vì lệnh joystick liên tục.
Ứng dụng phát hiện mây trên Φsat-2 của ESA làm gì với các ảnh Trái Đất bị mây che?
ESA cho biết Φsat-2 có thể lọc các ảnh bị mây che trên bo mạch, để các ảnh rõ ràng và có thể sử dụng được được truyền xuống; đây là một ứng dụng riêng cho nhiệm vụ.
Mục đích của hệ thống tránh va chạm tự động của SpaceX Starlink được đề cập trong lệnh FCC là gì?
Lệnh FCC đề cập đến hệ thống tránh va chạm tự động của SpaceX trong bối cảnh an toàn chòm sao; tuyên bố này chỉ áp dụng cho Starlink chứ không phải mọi chòm sao.
NASA định nghĩa mục tiêu của việc đảm bảo độ bền chịu bức xạ cho thiết bị hàng không như thế nào?
NASA định nghĩa việc đảm bảo độ bền chịu bức xạ là các hoạt động nhằm đảm bảo các linh kiện điện tử và vật liệu hoạt động theo thông số thiết kế sau khi tiếp xúc với môi trường bức xạ tự nhiên trong không gian.
Mục đích của mục nhập danh mục phần mềm tàu vũ trụ dựa trên LSTM của NASA là gì?
Danh mục phần mềm của NASA mô tả một hệ thống dựa trên LSTM để phát hiện bất thường trong dữ liệu truyền thông của tàu vũ trụ; đây là một khả năng phần mềm được liệt kê, không phải toàn bộ hoạt động của mọi nhiệm vụ.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này