Se c’è una classe di corpi celesti di cui si sa ancora poco, si tratta degli oggetti interstellari (Iso, dall’inglese interstellar object), ovvero corpi che non appartengono stabilmente al Sistema solare e che provengono dallo spazio tra le stelle. Oggetti come 1I/’Oumuamua, per intenderci, o 2I/Borisov. L’ideale sarebbe riuscire a intercettarne uno per studiarlo da vicino. Se mai l’impresa verrà tentata, potrà tornare utile Neural-Rendezvous, un sistema di guida e controllo basato sul deep learning ideato proprio con l’obiettivo di avvicinarsi in modo autonomo questi velocissimi viandanti dello spazio interstellare. È stato sviluppato da un team di ricercatori capitanato da Hiroyasu Tsukamoto, membro del dipartimento di ingegneria aerospaziale della University of Illinois Urbana-Champaign (Usa), e lo studio che lo descrive è stato pubblicato nel 2024 sul Journal of Guidance, Control, and Dynamics.
Il sistema è in grado di apprendere le informazioni necessarie per individuare un oggetto interstellare e valutare autonomamente le manovre da intraprendere per avvicinarlo. Partendo dai dati raccolti ed entro un certo limite probabilistico, il programma di deep learning può prevedere quale sia la miglior azione possibile di una navicella spaziale al fine di imbattersi in un Iso. «Un cervello umano ha molte capacità, come parlare e scrivere. Il deep learning», spiega Tsukamoto, «crea un cervello specializzato per una delle abilità con una conoscenza specifica del dominio. In questo caso, Neural-Rendezvous apprende tutte le informazioni di cui ha bisogno per incontrare un Iso, tenendo anche conto delle criticità intrinseche nell’esplorazione spaziale per quanto riguarda la sicurezza e i costi».
Alcune traiettorie elaborate da Neural-Rendezvous per l’esplorazione degli Iso: le curve gialle mostrano le traiettorie relative all’Iso e quelle blu mostrano le rotte del veicolo spazialo. Crediti: Nasa Jpl e University of Illinois Urbana-Champaign
Nato da una collaborazione con il Jet Propulsion Laboratory della Nasa, il progetto punta a superare le principali difficoltà che si riscontrano quando si parla di oggetti interstellari. Tali corpi sono estremamente sfuggenti, dato che attraversano il Sistema solare un’unica volta nel corso della loro esistenza e con velocità elevate, pari a decine di chilometri al secondo. Neural-Rendezvous, spiega Tsukamoto, affronta appunto queste due sfide poste dagli oggetti interstellari: l’essere bersagli ad alta energia e alta velocità e il seguire una traiettoria poco vincolata – tanto che non è possibile prevedere quando verranno a farci “visita”.
L’incertezza degli incontri con gli oggetti interstellari è anche la ragione per cui un veicolo spaziale dovrebbe essere capace di pensare autonomamente. «A differenza degli approcci tradizionali, in cui si progetta quasi tutto prima di lanciare un mezzo spaziale, per incontrare un Iso è necessario utilizzare qualcosa di simile a un cervello umano, progettato in maniera specifica per questo tipo di missioni e per rispondere ai dati in tempo reale, usando solo risorse a bordo del veicolo stesso», dice Tsukamoto.
Per verificare l’efficienza del sistema, i ricercatori non si sono limitati al software ma hanno fatto ricorso anche a particolari simulatori di veicoli spaziali, gli M-Star, nonché a piccoli droni programmabili, i Crazyflies. Ed è anche sfruttando i dati prodotti “sul campo” con queste simulazioni che è stato possibile compiere un ulteriore passo avanti: affiancato da Arna Bhardwaj e Shishir Bhatta, studenti di ingegneria aerospaziale della University of Illinois, Tsukamoto ha studiato come impiegare al meglio un intero sciame di sonde spaziali per raccogliere il maggior numero possibile d’informazioni durante l’incontro con l’oggetto interstellare.
«Ciò aggiunge un ulteriore livello di processo decisionale durante l’incontro con gli Iso», dice Tsukamoto. «Come posizionare in modo ottimale i veicoli spaziali per massimizzare le informazioni ricavabili? La soluzione di Bhardwaj e Bhatta è stata, appunto, quella di distribuire il veicolo spaziale, così da coprire visivamente la regione più probabile della posizione dell’oggetto interstellare». In tal modo, ciascuna navicella può selezionare in modo ottimale la propria destinazione e determinare il numero ideale di points of interest da indagare, migliorando potenzialmente la capacità di studiare i rari e fugaci visitatori interstellari, concludono i ricercatori, e riducendo al minimo l’utilizzo delle risorse.
Per saperne di più:
- Leggi il preprint dell’articolo pubblicato sul Journal of Guidance, Control, and Dynamics “Neural-Rendezvous: Provably Robust Guidance and Control to Encounter Interstellar Objects”, di Hiroyasu Tsukamoto, Soon-Jo Chung, Yashwanth Kumar Nakka, Benjamin Donitz, Declan Mages e Michel Ingham
- Leggi il preprint dell’articolo presentato alla Ieee Aerospace Conference “Information-Optimal Multi-Spacecraft Positioning for Interstellar Object Exploration”, di Arna Bhardwaj, Shishir Bhatta e Hiroyasu Tsukamoto
Guarda il video sul canale YouTube dell’Acxis Lab at Uiuc: