Onderzoekers van Stanford University hebben met succes een AI-gestuurd controlesysteem getest voor NASA’s Astrobee-robot aan boord van het internationale ruimtestation ISS. Het is de eerste keer dat op machine learning gebaseerde robotbesturing op het ISS wordt ingezet. De presentatie vond plaats tijdens de International Conference on Space Robotics 2025 en richtte zich op het verbeteren van Astrobee’s vermogen om veilige en efficiënte routes te plannen in de krappe en obstakelrijke omgeving van het station.
Astrobee werkt met speciaal voor de ruimte geschikte vluchtcomputers, die minder rekenkracht hebben dan systemen voor robots op aarde. Volgens hoofdauteur Marco Pavone beperken die beperkte capaciteit, samen met omgevingsonzekerheden en strenge veiligheidseisen, het gebruik van gangbare autonome planningsmethoden. Het team van Stanford loste dit op door sequentiële convexe programmering – een traditionele methode voor trajectoptimalisatie – te combineren met een machine learning-model dat is getraind op historische data. Dit model genereert een eerste, “warm start”-traject, wat de rekentijd voor het uiteindelijke, veilige pad aanzienlijk vermindert.
Volgens hoofdonderzoeker Somrita Banerjee zorgt deze aanpak ervoor dat de optimalisatie sneller convergeert, terwijl de ingebouwde veiligheidswaarborgen behouden blijven. Voorafgaand aan de tests in de ruimte werd het systeem gevalideerd in een microzwaartekracht-testomgeving bij NASA Ames Research Center.
De proef op het ISS vond plaats binnen NASA’s “crew-minimal” opzet: astronauten hielpen bij de voorbereiding en afronding, terwijl grondoperators de tests uitvoerden. Er werden achttien trajecten getest, elk zowel met een standaard “cold start” als met een “warm start”. De resultaten toonden aan dat warm starts de planningsduur met 50 tot 60 procent verkorten, vooral in drukkere delen van het station of bij complexe draaibewegingen. Uitgebreide veiligheidsmaatregelen waren van kracht, waaronder virtuele obstakels, een reservemachine en een handmatig afbreekmechanisme.
Na afloop van de proef bereikte het systeem NASA’s Technology Readiness Level 5, wat betekent dat het met succes functioneerde in een relevante omgeving. Banerjee benadrukte dat dit soort technologieën essentieel worden nu robots steeds vaker astronauten ondersteunen en opereren op grotere afstand van de aarde. Pavone voegde toe dat toekomstig onderzoek via het Center for Aerospace Autonomy Research zich zal richten op geavanceerdere AI-modellen die beter kunnen generaliseren en complexere autonome navigatietaken mogelijk maken in de ruimte.
Foto: NSA
