深度学习算法有助于清除天空中的垃圾

您如何测量一块太空垃圾的姿态(即3-D旋转和3-D平移)，以便抓握的卫星可以实时捕获它，以便成功地将其从地球轨道上移走?深度学习算法将扮演什么角色?而且，什么是实时空间?这些是由EPFL衍生公司ClearSpace领导的一项开创性项目正在解决的一些问题，该项目旨在开发捕获和清除空间碎片的技术。

由于有34,000多个垃圾在地球上运行，因此将其清除已成为安全问题。本月早些时候，一架旧的苏联帕鲁斯导航卫星和一架中国的ChangZheng-4c火箭参与了一次近乎失事的袭击。9月，国际空间站进行了一次演习，以避免可能与未知的空间碎片碰撞，而ISS Expedition 63靠近他们的联盟号MS-16太空飞船，为可能的撤离做准备。随着越来越多的垃圾不断堆积，卫星碰撞可能变得司空见惯，使进入太空变得危险。

ClearSpace-1是该公司2025年的首次任务，将涉及回收现已过时的Vespa上半部分，以确保它能重新进入太空舱，该有效载荷适配器绕过地球660公里，曾经是欧洲航天局的Vega火箭的一部分。大气并以受控方式燃烧。

首要挑战之一是使捕获火箭的机械臂能够以正确的角度接近Vespa。为此，它将使用连接的摄像头(眼睛)确定太空垃圾在哪里，以便它可以抓住Vespa，然后将其拉回到大气中。“重点是开发深度学习算法，即使在太空中拍摄的图像比较困难，也可以根据视频序列可靠地估算目标的6D姿势(3旋转3平移)。许多情况下，它们可能曝光过度或曝光不足像镜子一样的表面。”在计算机与通信科学学院由Pascal Fua教授领导的EPFL计算机视觉实验室负责该项目的科学家Mathieu Salzmann说。

但是，有一个陷阱。Vespa在真空中旋转的七年中，没有人真正看到过它。我们知道它的直径约为2米，碳纤维很黑，有点发亮，但这仍然是它的外观吗?

EPFL的逼真的图形Labis模拟这块太空垃圾看起来像是“训练材料”，以帮助Salzmann的深度学习算法随着时间的推移而改进。“我们正在建立目标物体合成图像的数据库，包括从高光谱卫星图像重建的地球背景以及详细的Vespa上层3-D模型。这些合成图像基于对真实世界材料的测量铝和碳纤维板的样品，是使用我们实验室的测角光度计获得的。这是一种大型机器人设备，可以绕着测试样本旋转，同时从多个不同方向照亮并观察它，从而为我们提供了有关材料外观的大量信息，”实验室负责人Wenzel Jakob助理教授说。

第三个挑战将是需要在ClearSpace捕获卫星上实时，以有限的计算能力在太空中进行工作。EPFL嵌入式系统实验室的高级博士后协作者MiguelPeón博士正在领导将深度学习算法转移到专用硬件平台的工作。“由于空间运动表现良好，姿势估计算法可以填补相隔一秒的识别之间的间隙，从而减轻了计算压力。但是，为了确保它们能够自动应对任务中的所有不确定性，算法复杂的是，它们的实现需要从平台资源中挤出所有性能，” ESL负责人David Atienza教授说。