ЭКА

Поскольку наше общество производит больше данных, чем когда-либо прежде, искусственный интеллект (ИИ) позволяет нам собирать, анализировать и использовать их новыми способами, в том числе в космических программах. Теперь искусственный интеллект также применяется в спутниковой навигации инженерными группами программы NAVISP ЕКА, работая с европейской промышленностью и научными кругами над изобретением будущего навигации. Результатом является растущее портфолио услуг прототипов, которые по-разному используются для улучшения прогнозирования погоды в космосе и на Земле, повышения производительности автономных автомобилей и лодок, а также помогают идентифицировать беспилотные летательные аппараты в чувствительном воздушном пространстве.

Спутниковая навигация присутствует во всей нашей жизни повсеместно и используется не только для транспортировки: от точного земледелия до управления электросетями, от финансовой торговли до линий связи. Сигналы из космоса обрабатываются с помощью сложных математических моделей с использованием высокоточных алгоритмов для достижения точности сантиметрового уровня – при оптимальных условиях сигнала.

Программа ЕКА по инновациям и поддержке навигации, NAVISP, направлена ​​на повышение конкурентоспособности Европы во всей области позиционирования, навигации и синхронизации (PNT) путем разработки новых продуктов, систем и услуг. Один из способов сделать это и повысить производительность спутниковой навигации — объединить глобальные навигационные спутниковые системы, GNSS, с другими технологиями, от инерциальных датчиков и машинного зрения до 5G и 6G, а теперь все чаще и искусственного интеллекта — ИИ.

«ИИ включает в себя все методы, позволяющие компьютерам имитировать интеллект, будь то системы анализа данных или встроенный интеллект, контролирующий автономное транспортное средство», — объясняет Рафаэль Лукас Родригес, руководитель отдела технических программ NAVISP. «В чем ИИ очень хорош с помощью так называемого машинного обучения (МО), так это в извлечении значимой информации для выявления полезных закономерностей, которые в противном случае остались бы незамеченными. Спутниковая навигация входит в число областей, дающих большие объемы данных, поэтому в нашем секторе ИИ также может служить основой для новых подходов и услуг».

Анализ данных о космической погоде

Первый шаг — получить доступ к полезным данным, и чем больше данных, тем лучше, чтобы лучше обучать модели машинного обучения. Проект CAMALIOT компании NAVISP основан на приложении для Android, которое собирает необработанные данные GNSS с участвующих в проекте смартфонов. Людям предлагалось стать «гражданскими учеными», просто оставив свои телефоны на ночь возле окна, чтобы приложение могло получать необработанные данные GNSS через встроенный в их телефон приемник спутниковой навигации. На сегодняшний день в проекте приняли участие более 12 000 добровольцев, в результате чего было выполнено более 131 миллиарда измерений, охватывающих Европу и весь мир.

Следующим шагом стало применение машинного обучения для поиска закономерностей в данных, связанных с изменениями в ионосфере – электрически активном сегменте атмосферы Земли, который может влиять на распространение сигналов GNSS – из-за космической погоды, а также погодных эффектов в космосе. тропосфера, ближайшая к поверхности Земли, например, «затухание дождя». Результаты могут повысить точность прогнозов погоды как на Земле, так и в космосе.

ИИ улучшает позиционирование автомобилей

В проекте AIGNSS компании NAVISP алгоритмы с поддержкой искусственного интеллекта были применены к одному из наиболее важных с точки зрения безопасности аспектов исследований PNT: повышению эффективности позиционирования GNSS в целях автономного вождения. Спутниковая навигация — это базовая технология для вспомогательного и автономного вождения, позволяющая транспортным средствам оценивать, где они находятся и насколько быстро они движутся, обычно используемая в сочетании с другими методами позиционирования, такими как инерциальные датчики, камеры и радары, а также другими сигналами возможностей.

Проблема в том, что производительность GNSS может сильно различаться в зависимости от окружающей среды. Гладкие поверхности зданий и других искусственных сооружений могут вызвать ложное отражение сигнала – известное как «многолучевое распространение» – в то время как городские каньоны или густой лесной покров в центре города могут уменьшить количество спутников, видимых в местном небе.

Проект AIGNSS собрал реальные данные о вождении с использованием нескольких группировок спутниковой навигации, включая европейскую систему Galileo, и частот различных дорог Великобритании, а затем применил сложный анализ сигналов для выявления многолучевых помех и оценки ошибки измерения дальности. Добавление ИИ к различным используемым алгоритмам привело к улучшению производительности, хотя и не существенному по своему характеру.