【トップ記事のサマリ】
NASAのGoddard Space Flight CenterにあるSPAR Labが開発した人工知能ツール「Onboard Artificial Intelligence Research platform（OnAIR）」が、宇宙探査における自律性とデータ収集能力の向上を目指して公開されました。OnAIRはオープンソースソフトウェアとしてGitHubで提供されており、NASAの複雑化するミッションにおいてAIの導入を促進するために開発されました。NASAのAI研究リーダーであるEvana Gizzi氏によると、従来の方法では限界があり、より高度な目標を達成するためにはAIの導入が不可欠です。

OnAIRはNASAのNAMASTEミッションでプロトタイプがテストされました。このミッションでは、アラスカの永久凍土でメタンを測定するために自律型ドローンの艦隊が使用され、OnAIRがデータ処理と自律的な計測をサポートしました。さらに、OnAIRは国際宇宙ステーション（ISS）でSCENICと呼ばれる再構成可能なプロセッサでテストされ、限られた時間とリソースの中で成功を収めました。

NASAは、AI技術の導入が今後の宇宙探査ミッションの実現に不可欠であると考え、今後もAIを活用した自律システムの開発を進める予定です。

【記事全訳】
※本記事の作成には一部AIを使用しています。

人工知能（AI）は、宇宙機の自律性を高め、地上の管制官からの指示を待たずにデータを収集する能力を向上させると期待されています。

「これまでの方法では限界がありました」とNASAのGoddard Space Flight CenterのAI研究リーダー、Evana Gizzi氏はSpaceNewsに語りました。「やりたいことがたくさんあります。」

たとえば、宇宙機がランダーやローバーと協力して共通の目標を達成する分散型ミッションには、自律的な能力が必要です。AIはまた、軌道上の新しい宇宙機やセンサーが群に参加できるようにする拡張可能なミッションアーキテクチャへの道を開きます。

「NASAや航空宇宙産業全体で、ミッションのコンセプトはますます複雑になっており、そのためAIなしでは実現できないミッションが増えています」と、Tufts大学で人工知能の博士号を取得したGizzi氏は述べました。


メタンの測定
それでも、AIをNASAのミッションに導入することは容易ではありません。宇宙ミッションの計画者はリスクを回避する傾向があり、未検証のアルゴリズムには慎重です。

宇宙機向けAIの導入障壁を下げるために、NASA Goddard Space Autonomy and Resilience（SPAR）ラボは「Onboard Artificial Intelligence Research platform（OnAIR）」を開発しました。OnAIRは、オープンソースソフトウェアのパイプラインおよび認知アーキテクチャツールであり、ソフトウェア開発者向けプラットフォームであるGitHubで公開されています。

OnAIRのプロトタイプは、NASAのNAMASTEミッションでテストされました。このミッションでは、自律型ドローン艦隊を使用してアラスカの永久凍土地域でメタンの分布を測定しました（NAMASTEは「Network for Assessment of Methane Activity in Space and Terrestrial Environments」の略です）。

「OnAIRは、ドローンが科学的に重要なエリアのデータを最大限に収集できるよう支援しました。これは、NAMASTEソフトウェアアーキテクチャに関連するデータ取り込みと処理の標準を提供するもので、自律的な計測を行うマルチファンクションナノセンサープラットフォーム装置がドローンに統合されました」と、NASA Goddard Planetary Environments Laboratoryの機器科学者であり、マサチューセッツ工科大学（MIT）で化学工学の博士号を取得したMahmooda Sultana氏はメールで述べました。


ISSでのテスト
OnAIRはまた、SpaceCube Edge-Node Intelligent Collaboration（SCENIC）を通じてテストされました。SpaceCubeは、商業オフザシェルフ部品と放射線耐性部品で構築された再構成可能なプロセッサファミリーです。2023年には、SpaceCubeが国際宇宙ステーション（ISS）の外部に取り付けられました。

SpaceCubeは主要なミッションを完了した後、商業用のフィールドプログラマブルゲートアレイの宇宙における性能を実証しましたが、SPARラボは多くの課題を克服してOnAIRのデモンストレーションを実施しました。

「当初、SCENICにOnAIRを準備し、アップロードするのに1年かかると思っていました。しかし、開始から約2か月後、SCENICが予想より早く非活性化されることがわかりました」と、NASA Goddard Science Data Processing部門のソフトウェアエンジニアで、George Washington大学でコンピュータサイエンスの博士号を取得したJames Marshall氏はメールで述べました。その結果、Marshall氏と彼の同僚は1年分のプロジェクトを6か月で完了させることになりました。

彼らはまた、SCENICの遅いメインプロセッサを使用する方法を学びました。「クロックスピードは100メガヘルツで、アーキテクチャが一般的でなかったため、必要なPythonライブラリを移植するのが困難で、パフォーマンスも遅かったです」と、Marshall氏は述べました。

OnAIRをSCENICの既存のコアフライトシステムにリンクすることも課題でしたが、研究者たちは以前のプロジェクトの知識を活用して解決しました。

「私たちのチーム全員（3人全員）がSCENICのためにソフトウェアを書いていたので、SCENICのFlatSatでテストし、コードを簡単に統合することができました」とMarshall氏は述べました。