الذكاء الاصطناعي يتعلم الالتحام عبر المحاكاة الذهنية

تمثل عمليات الالتحام الفضائي مع محطة الفضاء الدولية تحدياً هندسياً معقداً بسبب الديناميكيات المدارية السريعة وانعدام الاحتكاك الجوي، مما يجعل أي خطأً بسيطاً كارثياً. واعتمدت الأنظمة التقليدية على خوارزميات الملاحة والتحكم المبرمجة مسبقاً، وتقنيات الرؤية الحاسوبية التي تعتمد على مرشحات كالمان الموسعة. إلا أن هذه الأساليب تواجه ضعفًا كبيرًا أمام التغيرات المفاجئة في الإضاءة أو الظلال، كما أن خوارزميات التعلم بالتعزيز تفقد فعاليتها عند تغيير معايير المهمة أو موقع نقطة الالتحام. لمواجهة هذه العقبات، طوّر باحثون من جامعة ستانفورد نموذج ذكاء اصطناعي مبتكر يُعرف بـ نموذج خارج هذا العالم، يعتمد على مفهوم نماذج العالم في التعلم الآلي. يعمل هذا النظام على محاكاة فيزياء البيئة المحيطة بشكل استباقي من خلال التجربة، حيث يقوم بمحاكاة سيناريوهات مستقبلية متعددة، ثم يضبط دفعات الدفع المدارية للوصول إلى الحالة المرجوة، مع قياس احتمالية نجاح كل سيناريو لضمان المرونة في التعامل مع الظروف غير المتوقعة. وقد واجه تدريب النموذج تحدياً حسابيًا هائلًا، حيث تطلب الأمر مئات الآلاف من المحاكاة. ولتسريع العملية، أنشأ الباحثون مكتبة برمجية متخصصة باسم AstroJAX تعمل على وحدات معالجة الرسوميات، مما قلص وقت التدريب بشكل كبير. مكّن هذا الإطار النموذج من إتقان مناورة الالتحام في نصف مليون تكرار فقط، مقارنة بـ 25 مليون تكرار في أنظمة التعلم بالتعزيز التقليدية، مع تحقيق دقة أعلى في التعامل مع منافذ لم يسبق للنظام رؤيتها ومواقف طارئة. أظهرت التجارب نجاح النموذج في معدل 53% من عمليات المحاولة، متفوقًا بوضوح على بديل التعلم بالتعزيز الذي سجل 29%، رغم صعوبة النظام في عمليات التقارب النهائي نتيجة العقوبات الصارمة المفروضة على الاصطدام. ويؤكد الفريق البحثي أن هذه النتائج، المنشورة على منصة arXiv، تمهد الطريق لمستقبل التشغيل الذاتي للمركبات الفضائية، خاصة مع تزايد الحاجة لخدمة الأقمار الصناعية وإزاحتها عن المدارات، والاستعداد لبعثات بشرية متطورة، على الرغم من الحاجة لمزيد من التطوير قبل الاعتماد الكامل على الذكاء الاصطناعي في عمليات حرجة.