Машинное обучение для управления космическим аппаратом (командный проект)

Компания	[[LAMBDA|LAMBDA]]
Учебный семестр	Осень 2017
Учебный курс	4-й курс
Максимальное количество студентов, выбравших проект: 2-3

[[Category:Командная проектная работа/По компаниям/LAMBDA]]

Что это за проект?

На околоземной орбите скопилось большое количество (~15-20k) техногенных объектов, создающих риск столкновения с космическими аппаратами. В случае опасного сближения, необходимо выполнить манёвр уклонения. Используя современные методы машинного обучения и эмулятор космического аппарата, вам предстоит:

1. Предсказать время опасного сближения
2. Построить лучшие траектории уклонения
3. Сформировать рекомендации манёвров космического аппарата
4. (опционально) сделать красивую визуализацию, (опционально^2) с VR

Проект совместный со специалистами из ЦНИИмаш.

Что самое интересное в проекте?

За последние 15 лет ИИ добился выдающихся успехов в повседневных задачах, с которыми успешно справляются люди (а с некоторыми и животные). Распознавание образов, речи, машинный перевод, компьютерные игры. Но те же методы с разной степенью успешности применяются и в более наукоёмких задачах - медицинской диагностики, информационном поиске, физике элементарных частиц, промышленном производстве. Мы верим, что космические технологии станут одной из этих областей - там есть культура сбора и анализа данных и (в силу высокой цены) запрос даже на небольшие улучшения.

Чему научатся студенты?

1. Научатся современным практикам разработки программного обеспечения, как это делают в Яндексе
2. Получат опыт построения реального продукта на базе машинного обучения
3. Немного узнают про космос и баллистику

Организация работы (Как студенты будут работать в команде?)

Студенты будут совместно строить архитектуру проекта и рецензировать код друг друга (bus factor > 1). Есть 3 части, над которыми будет параллельная работа:

1. Предсказать время опасного сближения
2. Построить лучшие траектории уклонения
3. Сформировать рекомендации манёвров космического аппарата

Кроме того, задачи оптимизации и машинного обучения имеют несколько подходов, исследование которых может производиться разными людьми.

Компоненты (Из каких частей состоит проект?)

1. Симулятор для расчета положения и скорости космического объекта в любой момент времени по известным элементам орбиты на некоторый начальный момент времени
2. База данных для хранения информации об элементах орбиты всего рассматриваемого множества космических объектов (несколько тысяч)
3. Расчет опасных ситуаций используя симулятор
4. Расчет маневров при действительно опасном сближении

Какие будут использоваться технологии?

1. БД для хранения данных о КА
2. Методы вычислотельной математики в симуляторе
3. tensorflow/whatever для поиска траекторий

Какие начальные требования?

Основные требования:

1. Готовность довести проект до конца, нам нужен его результат.
2. Python & C++
3. ML

Рекомендуемые требования:

1. Методы оптимизации
2. Методы обучения с подкреплением aka RL

Опционально и отдельно от вышеперечисленного:

1. Работа с 3D-графикой

Критерии оценки

Обсуждаемо в зависимости от числа и квалификации участников, baseline:

1. отл. Все части проекта доведены до конца, протестированы все state-of-the-art подходы к RL и оптимизации
2. хор. Все части проекта доведены до конца, получено решение на уровне baseline
3. удовл. Написана основная инфраструктура проекта, рудиментарное решение финальных задач без заявок на оптимальность, с нереалистичными допущениями

Похожие проекты

1. Optimal Computation of Collision Avoidance Maneuvers
2. CARA: Conjunction Assessment Risk Analysis
3. Current Collision Avoidance service by ESA's Space Debris Office
4. Collision Avoidance Operations for LEO Satellites Controlled by GSOC

Контактная информация

Никита Казеев