La densidad de satélites en la órbita terrestre ha aumentado exponencialmente en los últimos años, y el menor costo de los satélites pequeños ha permitido a los gobiernos, investigadores y empresas privadas lanzar y operar unos 2.877 satélites en órbita solo en 2023. Esto incluye una mayor actividad de los satélites en órbita geoestacionaria (GEO), que aporta tecnologías con impacto a escala mundial, desde Internet de banda ancha hasta la vigilancia climática. Sin embargo, junto con los múltiples beneficios de estas tecnologías basadas en satélites vienen acompañados de mayores riesgos de seguridad y protección, así como preocupaciones ambientales. Se necesitan urgentemente métodos más precisos y eficientes de monitoreo y modelado del comportamiento de los satélites para prevenir colisiones y otros desastres.
Para abordar este desafío, el Laboratorio de Astrodinámica, Robótica Espacial y Controles del MIT (ARCLab) lanzó el Premio ARCLab del MIT a la innovación en inteligencia artificial en el espacio: una competencia única en su tipo en la que se pide a los participantes que utilicen la IA para caracterizar los patrones de vida de los satélites (PoL, por sus siglas en inglés), la narrativa conductual a largo plazo de un satélite en órbita, utilizando información recopilada de forma puramente pasiva. Tras la convocatoria de participantes del otoño pasado, 126 equipos utilizaron el aprendizaje automático para crear algoritmos para etiquetar y marcar con fecha y hora los modos de comportamiento de los satélites GEO durante un período de seis meses, compitiendo por la precisión y la eficiencia.
Con el apoyo del Departamento de la Fuerza Aérea de los EE. UU. y el Acelerador de IA del MIT, el desafío ofrece un total de 25 000 dólares. Un equipo de jueces de ARCLab y el Laboratorio Lincoln del MIT evaluó las propuestas en función de su claridad, novedad, profundidad técnica y reproducibilidad, asignando a cada propuesta una puntuación de 100 puntos. Ahora, los jueces han anunciado los ganadores y finalistas:
Primer premio: David Baldsiefen — Equipo Hawaii2024
Con una puntuación ganadora de 96, Baldsiefen recibirá un premio de 10.000 dólares y será invitado a unirse al equipo de ARCLab para presentar una sesión de pósteres en la Conferencia de Tecnologías de Vigilancia Espacial y Óptica Avanzadas de Maui (AMOS) en Hawái este otoño. Un evaluador señaló: “Informe claro y conciso, con muy buenas ideas como la codificación de etiquetas del localizador. Las decisiones sobre las arquitecturas y la ingeniería de características están bien razonadas. El código proporcionado también está bien documentado y estructurado, lo que permite una fácil reproducibilidad de la experimentación”.
Segundo premio: Binh Tran, Christopher Yeung, Kurtis Johnson, Nathan Metzger — Equipo Millennial-IUP
Con una puntuación de 94,2, Y, Millennial-IUP recibirá 5.000 dólares y se unirá al equipo de ARCLab en la conferencia AMOS. Un evaluador dijo: “Los modelos elegidos fueron sensatos y justificados, hicieron esfuerzos impresionantes en cuanto a ganancias de eficiencia… Usaron la física para informar sus modelos y esto pareció ser reproducible. En general, fue un informe fácil de seguir, conciso y sin mucha jerga”.
Tercer premio: Isaac Haik y Francois Porcher — Equipo QR_Is
Con una puntuación de 94, Haik y Porcher compartirán el tercer premio de 3.000 dólares y también serán invitados a la conferencia AMOS con el equipo ARCLab. Un evaluador señaló: “Este informe informativo e interesante describe la combinación de ML y técnicas de procesamiento de señales de una manera convincente, con la ayuda de gráficos, tablas y diagramas de secuencia informativos. El autor identifica y describe un enfoque modular para la detección de clases y su evaluación de la utilidad de las características, que identifican correctamente que no es uniformemente útil en todas las clases… Cualquier falta de experiencia en misiones se compensa con una discusión clara y detallada de los beneficios y las desventajas de los métodos que utilizaron y una discusión de lo que aprendieron”.
Los equipos que ocupen del cuarto al séptimo lugar recibirán $1,000 cada uno y un certificado de excelencia.
“El objetivo de este concurso era fomentar un enfoque interdisciplinario para la resolución de problemas en el ámbito espacial invitando a expertos en desarrollo de IA a aplicar sus habilidades en este nuevo contexto de capacidad orbital. Y todos nuestros equipos ganadores realmente cumplieron con su promesa: aportaron habilidades técnicas, enfoques novedosos y experiencia a una ronda de presentaciones muy impresionante”, afirma el profesor Richard Linares, quien dirige ARCLab.
Modelado activo con datos pasivos
Durante el tiempo que un satélite GEO permanece en órbita, los operadores emiten comandos para colocarlo en diversos modos de comportamiento: mantenimiento de la posición, cambios longitudinales, comportamientos de fin de vida, etc. Los patrones de vida de los satélites (PoL, por sus siglas en inglés) describen el comportamiento en órbita compuesto por secuencias de modos de comportamiento tanto naturales como no naturales.
ARCLab ha desarrollado una innovadora herramienta de evaluación comparativa para la caracterización de patrones de vida de satélites geoestacionarios y ha creado el Conjunto de datos de identificación de patrones de vida por satélite (SPLID), que comprende datos de objetos espaciales reales y sintéticos. Los participantes del desafío utilizaron esta herramienta para crear algoritmos que utilizan IA para mapear los comportamientos en órbita de un satélite.
El objetivo del Premio ARCLab del MIT a la Innovación en IA en el Espacio es alentar a los tecnólogos y entusiastas a aportar innovación y nuevos conjuntos de habilidades a los desafíos ya establecidos en el sector aeroespacial. El equipo pretende celebrar la competición en 2025 y 2026 para explorar otros temas e invitar a expertos en IA a aplicar sus habilidades a nuevos desafíos.