Sztuczna inteligencja Sztuczna inteligencja (AI) stała się potężnym narzędziem w dzisiejszym społeczeństwie bogatym w dane, umożliwiając nam gromadzenie, analizowanie i wykorzystywanie informacji na niespotykane dotąd sposoby, nawet w ramach programów kosmicznych. Ekscytującym przykładem jest integracja sztucznej inteligencji z nawigacją satelitarną, której przewodzą zespoły inżynierów Europejskiej Agencji Kosmicznej. NAVISP ściśle współpracując z europejskim przemysłem i środowiskiem akademickim w celu zrewolucjonizowania technologii nawigacyjnych. W rezultacie powstał coraz szerszy wachlarz prototypowych usług, z których każda ma różnorodne zastosowania, które przyczyniają się do poprawy prognozowania pogody w kosmosie i na Ziemi, optymalizacji wydajności autonomicznych pojazdów i statków morskich oraz skutecznej identyfikacji nieautoryzowanych dronów we wrażliwej przestrzeni powietrznej. Połączenie sztucznej inteligencji i eksploracji kosmosu obiecuje kształtować przyszłość nawigacji i dalej rozwijać nasze zrozumienie i wykorzystanie rozwiązań opartych na danych.

Sztuczna inteligencja jako narzędzie w wykrywaniu dronów

Program NAVISP MEDuSA Projekt zajmuje się rosnącym problemem inwazyjnych dronów, spoglądając w niebo. Problem przypadkowych lub celowych ingerencji dronów w wydarzenia sportowe, porty i infrastrukturę krytyczną jest coraz powszechniejszy. Znamienny przykład miał miejsce w grudniu 2018 r., kiedy lotnisko Gatwick w Wielkiej Brytanii musiało zostać zamknięte na trzy dni, co doprowadziło do odwołania wielu lotów z powodu powtarzających się obserwacji dronów w pobliżu pasów startowych lotniska.

MEDuSA wprowadza innowacyjne podejście oparte na radarze, które może wykrywać drony w każdych warunkach pogodowych i szacować ich trajektorie. Podejście to wykorzystuje GNSS jako źródło sygnału radarowego dla czujników wykrywających drony w obszarze zainteresowania. W szczególności wykorzystuje sygnały Galileo znane z wyjątkowej stabilności i zawiera usługę Open Service Navigation Message Authentication w celu zwiększenia odporności i ochrony przed atakami typu spoofing. Zaawansowane algorytmy MEDuSA wykorzystują "wykrywanie rozproszenia do przodu", które wykrywa niewielkie anomalie fazy sygnału spowodowane przelotem dronów.

Aby jeszcze bardziej zwiększyć możliwości systemu, zastosowano techniki uczenia maszynowego (ML) w połączeniu z predykcyjnymi "filtrami Kalmana". Analiza danych oparta na ML pozwala na wyznaczenie dalszej trajektorii drona, umożliwiając w odpowiednim czasie uruchomienie alarmów i odpowiednich środków zaradczych, skutecznie rozwiązując problem wtargnięcia drona.

Źródło zdjęcia: ESA