Hacia la automatización del proceso de prevención de las colisiones satelitales utilizando Inteligencia Artificial

basura espacial

La amenaza que representa la basura espacial para los satélites operativos empieza a convertirse en un grave problema. En la actualidad, existen cerca de 20.000 objetos catalogados de más de 10 cm en órbita terrestre baja (LEO) y de 1 m en órbita geoestacionaria (GEO), y más del doble de fragmentos de menor tamaño, de hasta 1 cm.

El 18º Escuadrón de Control Espacial de Estados Unidos (18 SPCS, anteriormente, JSpOC) emite mensajes de datos de conjunción (CDM) cada vez que se detecta una conjunción próxima entre un satélite operativo y la población catalogada. Estos mensajes constituyen la fuente principal de información de los operadores de satélites en la realización de maniobras de prevención de colisiones diseñadas para reducir el riesgo de colisión por debajo de un nivel aceptable.

Por lo general, estas operaciones críticas son difíciles de automatizar y suelen generar situaciones estresantes que implican procedimientos de toma de decisión en los que han de tenerse en cuenta un gran número de factores y diferentes fuentes de información.

Cuando se trata de flotas pequeñas de satélites o que orbitan en regiones del espacio no muy densamente pobladas, el número de alertas puede ser manejable mediante procedimientos bien establecidos que requieren la realización de un volumen elevado de operaciones manuales. Sin embargo, cuando las flotas son grandes, especialmente si operan en regiones orbitales muy concurridas, el número de alertas puede elevarse hasta niveles prácticamente imposible de abordar.

Esto implica la necesidad de automatizar, al menos parcialmente, estas operaciones con el fin de incrementar la seguridad limitando los costes operativos.

No obstante, el procedimiento de toma de decisiones en la prevención de colisiones (ya sea para realizar una maniobra o para no realizarla) no es fácil de automatizar; la decisión no se puede tomar basándose en un único algoritmo que implante reglas simples en los datos de entrada (en su mayor parte, directamente desde los CDM o bien derivados de los mismos).

Sin embargo, hoy contamos con una gran cantidad de información que se ha ido recopilando a lo largo de tiempo y sometido a un detenido análisis y que puede servir para tomar decisiones adecuadas, basadas en la experiencia previa, en la realización de estas operaciones. Esa información, extraída de decisiones tomadas en escenarios reales o simulados, podría, pues, utilizarse, como datos para formación con algoritmos genéricos. Y aquí es donde entran en juego los conceptos de inteligencia artificial y, particularmente, de aprendizaje automático.

El 3 de junio ofrecí un webinario sobre la aplicabilidad de las tecnologías de inteligencia artificial y aprendizaje automático para la automatización del proceso de prevención de colisiones y las últimas novedades en este campo. GMV está desarrollando un Sistema Autónomo de Prevención de Colisiones junto con EUTELSAT en el marco del proyecto AUTOCA de la ESA. Este sistema se basará en el uso de tecnologías de inteligencia artificial y aprendizaje automático y está pensado para su utilización por grandes flotas (p. ej., grandes operadores en GEO y futuras mega constelaciones de satélites en LEO y MEO), así como en operaciones de puesta en órbita de satélites eléctricos (p. ej., transferencia orbital en LEO a LEO superior para desplegar una gran constelación o desde LEO/GTO hasta GEO si se trata de un gran satélite de telecomunicaciones).

Webinar

Durante el webinario hablamos de la aplicación de las tecnologías de inteligencia artificial/aprendizaje automático no solo para la resolución de este problema específico, sino, también, para otras aplicaciones espaciales tales como automatización de las operaciones de los satélites, comunicaciones satelitales, robótica y automatización a bordo, sistemas de procesado de datos de misiones de observación de la Tierra, etc., sobre las cuales GMV está también trabajando en un gran número de actividades. He destacado también la amplia experiencia de la división de informática de GMV en inteligencia artificial, macrodatos y de ciencia de datos, que nos ha permitido aprovechar sinergias y aplicar estas tecnologías al ámbito espacial y de defensa.

Fue una conversación muy interesante y me gustaría agradecer a mis compañeros de GMV que trabajan en este campo (mirad la primera diapositiva) así como a todos los asistentes al webinario y, en particular, gracias por las interesantes preguntas que se han planteado.

En el siguiente enlace podréis ver el webinario completo (en inglés), si os lo perdisteis. Si estáis interesados en el tema y queréis compartir ideas o buscáis colaboración, podéis poneros en contacto conmigo (veréis mi correo electrónico a continuación y en la misma presentación). ¡Gracias!

Autor: Alberto Águeda

aagueda@gmv.com

Las opiniones vertidas por el autor son enteramente suyas y no siempre representan la opinión de GMV
The author’s views are entirely his own and may not reflect the views of GMV
Share

    Deja un comentario

    Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *

      I accept the privacy policy Acepto la Política de Privacidad

    Basic Data-Protection information:

    Data-protection supervisor: GMV Innovating Solutions SL
    Purpose: Answer questions, respond to user complaints and recommendations, receive job applicants resumes and career information.
    Legitimation: Consent of data subject
    Addresses: Grupo GMV companies
    Rights: Access, rectify and cancel data plus other rights, as explained in additional information
    Additional information: You can check out the additional and detailed data-protection information on our website:Privacy Policy

    Puedes usar las siguientes etiquetas y atributos HTML: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

    WP-SpamFree by Pole Position Marketing

    906 Total Views