洛桑联邦理工学院谭雅·彼得森 信用:Pixabay/CC0公共域 你如何测量一块太空垃圾的姿态——即三维旋转和三维平移——以便抓取的卫星能够实时捕获它,从而成功地将其从地球轨道上移除?深度学习算法会起到什么作用?什么是空间中的真实时间?这些都是由EPFL的副产品“透明空间”领导的一个开创性项目正在解决的一些问题,该项目旨在开发捕捉空间碎片并使其脱离轨道的技术
随着超过34,000件垃圾环绕地球运行,它们的清除已成为一个安全问题
本月早些时候,一颗旧的苏联帕卢斯导航卫星和一枚中国常征-4c火箭险些相撞,9月,国际空间站进行了一次机动,以避免与一块未知的空间碎片发生碰撞,而国际空间站远征63号的机组人员则靠近他们的联盟MS-16航天器,为可能的疏散做准备
随着越来越多的垃圾不断堆积,卫星碰撞可能变得司空见惯,使得进入太空变得危险
ClearSpace-1是该公司为2025年设定的第一个任务,将包括回收现已过时的Vespa Upper Part,这是一个在地球上方660公里轨道上运行的有效载荷适配器,曾是欧洲航天局Vega火箭的一部分,以确保它重新进入大气层并以受控的方式燃烧。
第一个挑战是使捕获火箭的机械臂能够从正确的角度接近维斯帕
为此,它将使用一个附带的摄像头——它的眼睛——来确定太空垃圾在哪里,这样它就可以抓住维斯帕,然后把它拉回到大气中
“一个主要的焦点是开发深度学习算法,从视频序列中可靠地估计目标的6D姿态(3次旋转和3次平移),即使在空间拍摄的图像是困难的
他们可能被过多或过少地暴露在像镜子一样的表面下,”马修·萨尔兹曼说,他是EPFL计算机视觉实验室的科学家,该项目由计算机和通信科学学院的帕斯卡尔·福教授领导
然而,有一个问题
七年来,没有人真正见过维斯帕号,因为它一直在太空的真空中旋转
我们知道它的直径约为2米,碳纤维是深色的,有点闪亮,但这仍然是它的样子吗? EPFL的现实图形实验室模拟了这块太空垃圾的“训练材料”,以帮助萨尔兹曼的深度学习算法随着时间的推移而改进
“我们正在制作一个目标物体合成图像的数据库,包括从高光谱卫星图像中重建的地球背景,以及一个详细的维斯帕末级三维模型
这些合成图像是基于真实世界的铝和碳纤维面板材料样本的测量,使用我们实验室的测角仪获得的
实验室负责人、助理教授文泽尔·雅各布说:“这是一种大型机器人设备,它围绕测试样本旋转,同时从多个不同的方向对其进行照明和观察,为我们提供了大量关于材料外观的信息。”
一旦任务开始,研究人员将能够从我们的大气层之外捕捉一些真实生活的照片,并微调算法,以确保它们在原地工作
第三个挑战是需要在太空中实时工作,并且ClearSpace捕获卫星上的计算能力有限
医生
米盖尔·佩恩是EPFL嵌入式系统实验室的高级博士后合作者,他正在领导将深度学习算法转移到专用硬件平台的工作
“由于空间运动表现良好,姿态估计算法可以填补相隔一秒钟的识别间隙,减轻计算压力
然而,为了确保它们能够自主应对任务中的所有不确定性,算法是如此复杂,以至于它们的实现需要从平台资源中挤出所有的性能,”ESL负责人大卫·阿蒂恩萨教授说
很明显,设计算法在如此恶劣和相对未知的条件下100%可靠,并使用有限的计算资源实时执行,是一项巨大的挑战
对萨尔茨曼来说,这是项目吸引力的一部分,“我们需要绝对可靠和稳健
从研究的角度来看,你通常对90%的成功感到满意,但这是我们在真正的任务中负担不起的
但也许这个项目更令人兴奋的方面是,我们正在开发一种最终将在太空中工作的算法
我觉得这绝对令人惊讶,这就是我每天的动力!" 这项开创性的工作是在微软创业团队的支持下完成的,他们提供了Azure的处理能力
来源:由phyica.com整理转载自PH,转载请保留出处和链接!