IBM开放源代码AI可优化卫星通信并预测空间碎片轨迹

IBM今天宣布了两个新的开源项目，这些项目旨在解决立方体卫星，用于太空研究的小型卫星以及太空态势感知方面的技术难题。两者都是由该公司的Space Tech Hub团队构建的，可以在IBM的Red Hat OpenShift平台上以容器化部署的形式获得。

由IBM杰出工程师和航天技术CTO Naeem Altaf领导的航天技术中心团队经常与州政府机构，大学和航天技术公司合作，为航天器和卫星解决方案开创先河。今天，该团队发布了KubeSat，这是一个为小型卫星设计的自主框架，可支持通信的优化。他们还推出了太空态势感知(SSA)系统，该系统基于一组算法，这些算法可确定围绕地球轨道飞行的人工构造物体的位置，并可能在将来漂移。

“我们的团队致力于推动太空创新的未来。随着低空地球轨道上各种规模卫星的激增，将产生与地球观测，空间交通管理，空间态势感知有关的大量数据。” IBM在博客中写道。

KubeSat

IBM将KubeSat描述为“认知”套件，旨在通过Orekit(一种用Java编写的低级空间动力学库)来模拟对象的轨道力学。KubeSat使用计算来限制卫星，地面传感器等之间的通信，同时合并NATS消息传递服务，通过机器学习优化通信并将其发布到仪表板。(NATS是充当分布式消息传递队列的高性能消息传递系统。)IBM说，KubeSat可用于模拟立方体卫星如何形成集群并与地面站之类的事物进行交互。

KubeSat的架构使用户可以针对特定用例交换AI模型。卫星群之间的通信可以是自主的，从而允许群根据需要进行集成或分离。

除了KubeSat，IBM还为Orekit开放了应用程序代码，它是由斯坦福大学的本科生开发的。Orekit的扩展可通过网状NATS消息传递平台(可选地具有定制设计的可视化层)来帮助仿真卫星到卫星，卫星到地面站以及卫星到地面传感器的通信。

太空态势感知(SSA)

今天开源的SSA系统是与德克萨斯大学奥斯汀教授Moriba Jah博士共同开发的。SSA利用AI技术来识别物理模型何时错误地预测了对象的未来位置，从而避免了必须制作模型来预测对象的所有轨道动力学的陷阱。

据估计，成千上万的人造物体绕地球运转，其速度超过每秒8000米。有问题的是，有关这些物体的位置数据往往很少且嘈杂，并且诸如空间天气和大气密度之类的现象以不可预测的方式影响其轨迹。

SSA从美国战略司令部获取数据以训练基线AI模型。IBM说，对于低地球轨道上的大多数物体，数据集每天大约更新一次。基于物理学的模型预测由地球引起的物体轨道的扰动，而机器学习模型则预测物理模型预测中的误差。SSA结合了这两个模型，并根据预测的误差调整了物理模型的预测。

IBM继续说道：“人为空间物体的建模和影响预测是'太空2.0时代'的一个定义性问题。”“通过公开采购用于进行轨道预测和查看结果的完整管道，您现在可以加入我们的使命，以解决'太空垃圾'问题。”