Mathieu
# L’essor de l’intelligence artificielle dans la lutte contre les débris spatiaux
Les photos de l’orbite terrestre basse (OTB) sont souvent d’une grande beauté. Cependant, elles ne parviennent généralement pas à capturer les milliers de débris, ou “déchets spatiaux”, qui tournent autour de la Terre comme des moustiques affamés, menaçant de heurter les satellites et autres actifs en orbite avec une force suffisante pour causer des dégâts considérables. Ces déchets spatiaux, dont seule une fraction peut être suivie par les agences spatiales telles que la NASA et l’ESA grâce à des télescopes terrestres, ne feront qu’augmenter avec l’arrivée des méga-constellations telles que Starlink ou OneWeb dans l’OTB.
Un nombre croissant de planificateurs et de chercheurs s’inquiètent de savoir si une augmentation de la congestion pourrait entraîner un risque accru de collisions catastrophiques, susceptibles d’éliminer les satellites de communication ou même, un jour, de renvoyer des débris enflammés sur Terre. Pour mieux anticiper et éviter ces situations, certains se tournent vers des simulations informatiques et l’intelligence artificielle afin de mieux voir ce que les humains ne peuvent pas voir.
Par exemple, des chercheurs utilisent l’apprentissage automatique pour étudier les méthodes de retrait et de réutilisation des débris. Dans un document présenté plus tôt cette année lors de la deuxième conférence NEO and Debris Detection de l’Agence spatiale européenne à Darmstadt, en Allemagne, Fabrizio Piergentili et ses collègues ont présenté les résultats de leur algorithme génétique évolutif pour surveiller le mouvement de rotation des débris spatiaux. “Les objets qui se déplacent trop rapidement ne peuvent pas être facilement capturés”, explique Piergentili. “Il est donc préférable d’identifier les objets qui se déplacent lentement, car ils sont plus faciles à attraper.”
En plus de développer des réseaux neuronaux pour anticiper ces collisions, qui peuvent prendre du temps et nécessiter des ressources considérables pour être formés et testés, d’autres chercheurs, comme le lieutenant-colonel Robert Bettinger, se tournent vers des simulations informatiques pour anticiper le comportement des satellites. Dans un article publié plus tôt cette année dans le Journal of Defense Modeling and Simulation, Bettinger et Joseph Canoy ont étudié la probabilité que la rupture d’un seul satellite dans l’orbite d’une méga-constellation entraîne une collision catastrophique, que ce soit dans l’OTB ou l’orbite terrestre moyenne (ME).
Pour faire des prédictions sur ces événements futurs, Bettinger et Canoy ont utilisé une combinaison de statistiques historiques et de modélisation prédictive grâce à une simulation de Monte Carlo. Grâce à ces simulations, ils ont pu déterminer que les méga-constellations en orbite basse terrestre présentaient un risque 14 fois plus élevé de conjonctions catastrophiques que les satellites situés à plusieurs milliers de miles plus haut en ME. Cependant, Bettinger admet que cette découverte n’est pas totalement surprenante, car l’OTB a un volume spatial plus petit avec un plus grand nombre d’objets se déplaçant à des vitesses plus élevées que dans l’OTM.
Federica Massimi, étudiante en doctorat à l’Université Roma Tre, est le premier auteur d’un article publié en décembre dernier dans Sensors qui explore la manière dont l’apprentissage approfondi peut être utilisé pour soutenir la détection des débris dans l’OTB. Dans un environnement simulé, Massimi et ses coauteurs ont démontré comment un réseau neuronal peut être formé sur de nombreuses données radar et optiques provenant de télescopes au sol pour faciliter la détection des débris spatiaux. “Les modèles d’IA peuvent être formés à l’aide de données historiques pour identifier les mouvements des débris spatiaux et prédire leurs trajectoires futures”, explique Massimi. “Cela permet de mieux planifier les manœuvres d’évitement des collisions pour les missions spatiales actives et les satellites en orbite.”
Au-delà du suivi des débris déjà présents dans l’espace, Massimi pense que ces méthodes joueront également un rôle dans l’ensemble du cycle de vie des satellites lancés dans le cadre des méga-constellations. Selon elle, les sociétés et organisations spatiales devront de plus en plus optimiser la distribution des satellites ou contribuer à la gestion de l’orbite afin d’éviter les collisions de débris qui pourraient causer des dommages en cascade, même si cela n’a pas les conséquences apocalyptiques du film Collision orbitale de 2013.
Cependant, bien que l’introduction d’algorithmes intelligents et de simulations dans la lutte contre les débris spatiaux puisse sembler évidente, Moriba Jah, professeur associé de génie aérospatial à l’Université du Texas à Austin, estime que le monde doit être prudent et ne pas s’appuyer trop fortement sur des réponses basées sur l’IA dans un domaine qui comporte encore de nombreuses inconnues. “Ces algorithmes supposent que demain ressemblera à aujourd’hui”, explique Jah. “Donc, si la version d’aujourd’hui que vous leur fournissez est limitée, la prédiction de demain sera également limitée.”
Jah souligne qu’il existe d’autres inconnues dans l’environnement spatial, telles que la densité de l’atmosphère, qui rendent encore plus difficile la prédiction du comportement des débris. “C’est encore un gouffre béant sur le plan scientifique”, explique Jah. Il ajoute donc que “l’IA a une utilité limitée compte tenu de ces lacunes connues”.
Ces préoccupations sont également prises en compte par Massimi dans son travail. Selon elle, il est crucial de mettre à jour régulièrement les modèles d’IA “avec des informations en temps réel, y compris de nouvelles détections de débris et des changements orbitaux”. Ainsi, dit-elle, “les algorithmes peuvent mieux s’adapter à l’évolution de l’environnement spatial”.
En conclusion, les chercheurs espèrent que l’IA pourra aider à maintenir l’esthétisme des photos de l’orbite terrestre basse tout en réduisant les risques de collisions.
