L’intelligence artificielle n’est pas perdue dans l’espace

Les ingénieurs d’un certain âge se souviendront peut-être du robot B9 – généralement appelé simplement « Robot » – qui parcourait l’univers avec la famille Robinson dans la série télévisée Lost in Space. Robot était probablement l’un des premiers exemples de robot d’IA autonome et avancé, c’est-à-dire non pas un être sensible mais un robot doté d’une intelligence semblable à celle d’un humain.

La communauté technique n’a pas encore créé un tel robot et, si la prédiction de Ray Kurzweil dans l’article du Times de 2011 est correcte, il n’atteindra pas de telles prouesses en IA avant l’année 2045. Pourtant, l’IA continue de dominer l’actualité. La réalité n’a pas toujours été à la hauteur, même modeste, du battage médiatique. Par exemple, l’objectif de véhicules entièrement autonomes pour le grand public reste insaisissable dans l’espace automobile.

L’industrie spatiale est une exception notable au battage médiatique de l’IA. Actuellement, l’IA est en fait utilisée pour aider à la fabrication de satellites et de systèmes d’engins spatiaux. Il est plus facile d’éviter la contamination biologique lors de l’assemblage des satellites si moins d’humains sont impliqués. L’IA est utilisée pour aider les robots à fonctionner plus efficacement dans de telles tâches.

L’imagerie améliorée par l’IA est souvent la fonctionnalité clé de nombreux satellites en orbite. Certains estiment que les satellites traitent environ 150 téraoctets de données chaque jour pour capturer des images météorologiques et environnementales, pour ne citer que quelques exemples.

La surveillance de la santé des satellites est une autre application croissante de l’IA. En surveillant en permanence les capteurs et les équipements, l’IA peut détecter les pannes, fournir des alertes et parfois effectuer des actions correctives. SpaceX, par exemple, utilise l’IA pour empêcher ses satellites d’entrer en collision avec d’autres objets dans l’espace.

Pour en savoir plus sur l’application de l’IA et de la technologie d’apprentissage automatique (ML) dans l’espace, Design News a rencontré Ossi Saarela, responsable du segment spatial, MathWorks.

Design News : Quel potentiel l’IA a-t-elle dans l’industrie spatiale, en particulier pour les ingénieurs ?

Ossi Saarela: L’industrie spatiale s’efforce depuis longtemps d’augmenter l’autonomie des engins spatiaux, ce qui remonte aux premiers jours des vols spatiaux. Les technologies d’apprentissage automatique et en profondeur d’aujourd’hui sont utilisées pour résoudre les problèmes les plus complexes de l’industrie.

Les utilisations de l’IA dans l’industrie spatiale permettront aux ingénieurs de travailler sur des systèmes plus performants avec une efficacité améliorée. De plus, l’IA et le ML ont le potentiel d’aider les ingénieurs tout au long des phases de conception, de test et d’exploitation d’un programme spatial :

• L’IA permettra aux ingénieurs de concevoir des capacités pour les engins spatiaux qui étaient auparavant d’une complexité prohibitive à mettre en œuvre.
• L’IA contribuera à garantir la qualité de ces systèmes complexes en fournissant de nouvelles informations sur les données de test.
• L’IA continuera d’être utilisée pour aider les ingénieurs d’exploitation en surveillant les données de santé des engins spatiaux à la recherche de problèmes potentiels.

Design News : À quoi ressemble l’avenir de l’autonomie pour les engins spatiaux ?

Ossi Saarela: Plus les véhicules spatiaux peuvent prendre eux-mêmes de décisions, plus ils sont précieux pour l’exploration spatiale. Dans l’espace lointain, si ces véhicules dépendent des humains au sol pour les décisions, ils restent inactifs en attendant que les commandes au sol les atteignent pendant des minutes, des heures, voire des jours en raison des distances impliquées. L’autonomie est un facteur limitant crucial pour les engins spatiaux et son augmentation permettra d’améliorer les applications spatiales existantes et de permettre des missions complètement nouvelles.

Les nouvelles missions connaissent une augmentation des exigences d’autonomie, qui est généralement motivée par des objectifs plus ambitieux tels que des missions d’exploration de l’espace lointain vers d’autres planètes, lunes et astéroïdes en mettant davantage l’accent sur les atterrissages et les retours que sur les survols. Ces types de manœuvres urgentes ne sont pas réalisables sans autonomie. La tendance est vraie même pour les programmes en équipage, où l’amarrage autonome à d’autres engins spatiaux et les alunissages autonomes deviennent la norme requise, ce qui permet de consacrer un temps précieux à la formation des astronautes à apprendre d’autres tâches.

Design News : Comment les techniques d’apprentissage automatique et d’apprentissage profond font-elles progresser l’autonomie ?

Ossi Saarela: Les principales applications d’autonomie de l’apprentissage automatique et de l’apprentissage en profondeur améliorent actuellement la capacité de perception des engins spatiaux grâce à des applications de vision par ordinateur et permettent aux engins spatiaux de mieux comprendre ce qu’ils voient avec leurs caméras et autres instruments. Par exemple, l’Agence spatiale européenne (ESA) pilote un satellite de démonstration technologique d’observation de la Terre appelé PhiSat-1, qui utilise l’IA pour détecter et filtrer les images de nuages, qui ne sont pas utiles à de nombreuses fins d’observation de la Terre. Pour l’exploration de l’espace lointain, les applications potentielles incluent des atterrissages plus sûrs sur des planètes ou des lunes utilisant la détection autonome des dangers ainsi que des capacités de conduite autonome pour les rovers.

Design News : Comment les logiciels d’ingénierie jouent-ils un rôle clé dans l’avancement de l’IA ?

Ossi Saarela: L’apprentissage automatique et l’apprentissage en profondeur nécessitent intrinsèquement des logiciels d’ingénierie, car les modèles sont générés par des ordinateurs plutôt que par des humains. Les logiciels pour tester les prototypes d’apprentissage en profondeur et d’apprentissage automatique ont souvent une courbe d’apprentissage abrupte, ce qui peut conduire à des cycles de développement inefficaces. Il existe une demande croissante d’outils logiciels permettant aux ingénieurs experts dans leur domaine d’évaluer et de déployer plus facilement des modèles d’apprentissage automatique et d’apprentissage profond dans leurs programmes de production. C’est là que des outils tels que MATLAB et Simulink, qui ont des capacités d’apprentissage automatique et d’apprentissage en profondeur mais sont conçus pour les workflows d’ingénierie, peuvent aider.

En mettant de côté l’apprentissage en profondeur et l’apprentissage automatique pour un instant, même les algorithmes d’autonomie traditionnels bénéficient de l’utilisation de logiciels d’ingénierie modernes. Comme les capacités de prise de décision sont déléguées des opérateurs humains au vaisseau spatial, la complexité de la conception augmente considérablement. Les erreurs de conception dans ces systèmes d’IA complexes peuvent être subtiles et difficiles à détecter. Par exemple, il est difficile d’évaluer la fiabilité d’un algorithme de détection et de perception basé sur la vision dans de multiples conditions d’éclairage et de perspective par le seul examen ; cela nécessite une simulation et des tests approfondis. Les outils logiciels d’ingénierie peuvent permettre des capacités de simulation et de test tout au long du cycle de vie de la conception. Ils permettent également aux ingénieurs d’évaluer la conception à différents niveaux d’abstraction, de l’architecture statique à la modélisation dynamique du comportement, jusqu’au code source. Ce sont des capacités cruciales pour une bonne ingénierie des systèmes.

ESA, CERN/M. Brice

Légende : Le satellite PhiSat-1 fournit une IA pour l’observation de la Terre. (Source de l’image : ESA, CERN/M. Brice)