به گزارش خبرگزاری مهر به نقل از اینترستینگ انجینرینگ، به این ترتیب به نظر می‌رسد عصر جدیدی در فضا آغاز شده است.

این دستاورد در یک نانو ماهواره InnoCube طی گذر کوتاه صبحگاهی آن از مدار زمین به دست آمد و در آن هوش مصنوعی فقط با قابلیت‌های تصمیم گیری که آموخته بود مانور کنترل وضعیت یا جهت گیری فضاپیما را انجام داد.

در تست‌های بعدی ابزار کنترل به طور مرتب جهت هدف را درست تنظیم کرد و این امر نشان می‌دهد سیستم می‌تواند نه تنها در وضعیت شبیه سازی شده، بلکه در شرایط واقعی نیز به خوبی عمل کند.

به گفته محققان این پروژه که LaLaR نام دارد، پیشرفت مذکور به توسعه سیستم‌های خودکار فضایی کمک می‌کند. هدف این پروزه ساخت نسل بعدی کنترل کننده‌های انطباق پذیری است که وضعیت فضاپیما را بدون کمک اپراتورهای انسانی تثبیت و تنظیم می‌کنند.

آنچه کنترل کننده وورتسبورگ را از بقیه ابزارهای مشابه متمایز می‌کند، استفاده از یادگیری تقویتی عمیق(Deep Reinforcment Learning)است. در این روش رفتار «شبکه عصبی» (neural network) به جای اتکا به قوانین ثابت از طریق جلسان آموزشی مبتنی بر آزمایش در محیط‌های شبیه سازی شده، آموخته شده است.

چنین روشی نوید بخش توسعه سریع‌تر و عملکرد انطباق پذیرتر سیستم‌ها است. بیشتر اوقات ماه‌ها طول می‌کشد تا کنترل کننده‌های سنتی تنظیم شوند. اما سیستم مبتنی بر یادگیری تقویتی عمیق می‌تواند از قبل آموزش دریافت و در مرحله بعد خود را با شرایط پیش بینی نشده منطبق کند.

کنترل کننده پیش از تست پرواز در یک شبیه ساز بسیار با دقت بالا آموزش دید و سپس در ماهواره InnoCube آپلود شد.

یکی از محققان پرو ژه در این باره می‌گوید: این واقعاً یک موفقیت تعیین‌کننده است. ما برای نخستین‌بار در جهان توانستیم مدرک عملی و واقعی ارائه دهیم که نشان می‌دهد یک سامانهٔ کنترل وضعیت ماهواره که با روش یادگیری تقویتی عمیق آموزش دیده، می‌تواند با موفقیت در مدار زمین عمل کند.