Engineers teach spacecraft to 'dream' their way to the space station

スタンフォード大学の研究者が、人工知能を用いた新しい宇宙船ドッキング技術を開発した。この技術は、従来の物理方程式ベースのシステムと異なる方法で、複雑な軌道上の操作を実現するものだ。

国際宇宙ステーション（ISS）とのドッキングは、秒速約28,000キロメートルで移動する二つの物体を正確に接続する作業である。地上での感覚では「時速28,000キロメートルで走る車から、別の車に並行駐車する」に例えられるほどの難易度を持つ。軌道上には空気抵抗がないため、加速すると逆に上昇し、衝突すれば両機の乗員が死亡し、発生する衛星デブリは数十個の衛星を破壊し、地上の人命にも危険を及ぼす可能性がある。これまで数十年間、こうした危険な操作は硬くコード化された物理計算と人間パイロットの判断によってのみ成功してきた。

研究チームが開発した「Out-of-this-World-Model（OWM）」は、従来の強化学習アルゴリズムの課題を解決するために設計された。強化学習は、ドッキングポートの位置が変わるなど環境のルールが変わると対応できないという限界を持つ。OWMは「ワールドモデル」という別のアプローチを採用している。これは、野球の外野手が過去の視覚情報から飛球の着地点を予測する「心の中のシミュレーション」に例えられるもので、プログラムされた方程式ではなく、経験から物理法則そのものを学習し、複数の未来予測に基づいて操作する仕組みである。

研究の実装には、AstroJAXという専用ライブラリが開発された。これはグラフィックス処理ユニット（GPU）上で動作するよう設計され、ビデオゲーム用途に開発されたGPUを宇宙船制御に転用するアプローチである。従来のコンピュータで同じ学習を行えば数週間かかるシミュレーションが、GPU加速により実行可能な時間スケールで完成した。結果として、OWMは50万回の反復学習でドッキング操作を習得し、従来の強化学習システムが必要とする2,500万回の反復回数を大幅に削減した。また、従来型システムの成功率が約29%であるのに対し、OWMはISS全体のドッキングポートを対象とした場合で約53%の成功率を達成し、未知のドッキング状況への対応能力でも優れた性能を示した。

宇宙産業の構造を踏まえれば、このような制御技術の進化は、複数の段階で製造業のサプライチェーンに影響を及ぼす可能性がある。衛星の修理・廃棄、将来の有人宇宙活動の増加に伴い、自動ドッキング精度の向上は必須となる。この段階で、精度向上に伴う部品・センサー・通信機器・推進系統の高度化に対する需要が生まれる可能性がある。また、AI制御の本格化に先立つ開発・検証・安全認証の長期にわたる段階では、シミュレーション用高性能計算機、テスト治具、計測機器といった周辺機器の供給が重要になると考えられる。現在の成功率53%から実運用レベルへの向上には、多くの反復検証が必要であり、その過程で日本の精密部品・製造技術が果たす役割は小さくないと予想される。

Introduction ends here. Please read the full article at the source.