ESA

Poiché la nostra società produce più dati che mai, l’intelligenza artificiale, l’intelligenza artificiale, ci consente di raccoglierli, analizzarli e utilizzarli in modi nuovi, anche nei programmi spaziali. Ora l’intelligenza artificiale viene applicata anche alla navigazione satellitare dai team di ingegneri del programma NAVISP dell’ESA, che collaborano con l’industria e il mondo accademico europei per inventare il futuro della navigazione. Il risultato è un portafoglio crescente di servizi prototipo, variamente impiegati per migliorare le previsioni meteorologiche spaziali e terrestri, migliorare le prestazioni di auto e imbarcazioni autonome e aiutare a identificare i droni non autorizzati nello spazio aereo sensibile.

La navigazione satellitare è una presenza onnipresente nella vita di tutti noi, utilizzata per molto di più del semplice trasporto, dall’agricoltura di precisione alla gestione delle reti elettriche, dal commercio finanziario ai collegamenti di comunicazione. I segnali provenienti dallo spazio vengono elaborati attraverso complessi modelli matematici utilizzando algoritmi altamente precisi per ottenere una precisione a livello centimetrico, in condizioni di segnale ottimali.

Il programma di innovazione e supporto alla navigazione dell'ESA, NAVISP, mira a migliorare la competitività europea nell'intero settore del posizionamento, navigazione e cronometraggio, PNT, sviluppando nuovi prodotti, sistemi e servizi. Un modo per farlo e migliorare ulteriormente le prestazioni del navigatore satellitare è combinare i sistemi globali di navigazione satellitare, GNSS, con altre tecnologie, dai sensori inerziali e la visione artificiale al 5G e 6G e ora, sempre più, all’intelligenza artificiale – AI.

"L'intelligenza artificiale comprende tutte le tecniche che consentono ai computer di imitare l'intelligenza, siano essi sistemi di analisi dei dati o l'intelligenza integrata che supervisiona un veicolo autonomo", spiega Rafael Lucas Rodriguez, capo dell'ufficio del programma tecnico NAVISP. “Ciò in cui l’intelligenza artificiale è molto brava, attraverso il cosiddetto Machine Learning, ML, è estrarre informazioni significative per identificare modelli utili che altrimenti sarebbero rimasti invisibili. La navigazione satellitare è tra i campi che producono grandi quantità di dati, quindi nel nostro settore l’intelligenza artificiale potrebbe anche servire come base per nuovi approcci e servizi”.

Setacciamento dei dati meteorologici spaziali

Il primo passo è accedere ai dati utili, e più dati sono, meglio è, per addestrare meglio i modelli ML. Il progetto CAMALIOT di NAVISP si basa su un'app Android che raccoglie dati GNSS grezzi dagli smartphone partecipanti. Le persone sono state incoraggiate a diventare "cittadini scienziati" semplicemente lasciando i loro telefoni accesi e accanto a una finestra durante la notte, in modo che l'app possa acquisire dati GNSS grezzi tramite il ricevitore del navigatore satellitare integrato nei loro telefoni. Finora hanno partecipato più di 12.000 volontari, ottenendo oltre 131 miliardi di misurazioni in Europa e nel mondo.

Il passo successivo è stato quello di applicare il machine learning per cercare modelli nei dati relativi alle variazioni nella ionosfera – un segmento elettricamente attivo dell’atmosfera terrestre, che può influenzare la propagazione dei segnali GNSS – dovuti alla meteorologia spaziale, nonché agli effetti meteorologici in la troposfera più vicina alla superficie terrestre, come la "dissolvenza della pioggia". I risultati hanno il potenziale per migliorare la precisione delle previsioni meteorologiche sia terrestri che spaziali.

L'intelligenza artificiale migliora il posizionamento automobilistico

Il progetto AIGNSS di NAVISP ha applicato algoritmi abilitati all’intelligenza artificiale a uno degli aspetti più critici per la sicurezza della ricerca PNT: aumentare le prestazioni del posizionamento GNSS al servizio della guida autonoma. Il navigatore satellitare è una tecnologia di base per la guida assistita e autonoma, che consente ai veicoli di stimare dove si trovano e quanto velocemente stanno andando, tipicamente impiegata in combinazione con altri metodi di posizionamento come sensori inerziali, telecamere e radar e altri segnali di opportunità.

Il problema è che le prestazioni del GNSS possono variare ampiamente in base all’ambiente circostante. Le superfici lisce degli edifici e di altre strutture artificiali possono causare una riflettenza ingannevole del segnale – nota come “multipercorso” – mentre i canyon urbani del centro città o la fitta copertura arborea possono ridurre il numero di satelliti visibili nel cielo locale.

Il progetto AIGNSS ha raccolto dati di guida nel mondo reale utilizzando più costellazioni di navigatori satellitari, incluso il Galileo europeo, e frequenze da una varietà di impostazioni stradali nel Regno Unito, quindi ha applicato sofisticate analisi del segnale per identificare l'interferenza multipercorso e stimare l'errore di distanza. L'aggiunta dell'intelligenza artificiale ai vari algoritmi utilizzati ha portato a miglioramenti delle prestazioni, sebbene di carattere non sostanziale.