A Slingshot Aerospace, Inc, startup de soluções baseadas em IA para rastreamento de satélite, coordenação de tráfego espacial e modelagem e simulação espacial, anunciou nesta quarta-feira, 5, que está trabalhando com a Agência de Projetos de Pesquisa Avançada de Defesa ( DARPA) para criar um novo sistema de inteligência artificial (IA) chamado Agatha, que identifica espaçonaves anômalas em grandes constelações de satélites.
Várias grandes constelações de satélites com mais de 10.000 naves espaciais estão programadas para implantação por governos internacionais e operadores espaciais comerciais nos próximos anos, o que aumentará dramaticamente o número de satélites em órbita terrestre baixa (LEO). Com tantos satélites, torna-se cada vez mais importante poder verificar se os satélites estão a operar dentro dos propósitos declarados das constelações.
"Agatha representa um avanço na forma como a IA pode fornecer uma consciência incomparável do domínio espacial, já que sua capacidade de encontrar essas agulhas no palheiro é algo que nenhum ser humano, ou equipe de seres humanos, poderia executar", disse o Dr. Dylan Kesler, Diretor de Ciência de Dados. e IA, Slingshot Aerospace. "Identificar objetos com defeito ou potencialmente nefastos e seus objetivos em grandes constelações de satélites é um desafio complexo que nos exigiu ir além das abordagens tradicionais e desenvolver um algoritmo de IA novo e escalável. Nosso modelo Agatha também provou sua capacidade de fornecer insights de alta qualidade que fornecem 'explicabilidade' ou contexto para o motivo pelo qual objetos específicos foram sinalizados."
Agatha do Slingshot foi treinada em mais de 60 anos de dados simulados de constelações criados pelo Slingshot. O Slingshot então fechou a chamada lacuna de "transferência sim-to-real" e comprovou o sistema encontrando valores discrepantes não nefastos em constelações comerciais operacionais do mundo real. Depois de identificar uma série de satélites discrepantes dentro dessas constelações, o Slingshot confirmou com sucesso com os respectivos operadores de satélite que os satélites identificados diferiam dos outros em hardware, missão e/ou parâmetros operacionais.
Agatha AI incorpora abordagens de ponta para análise de dados de IA incluindo aprendizagem por reforço inverso (IRL) – uma técnica que usa IA para avaliar comportamentos e identificar as políticas e intenções dos objetos que rastreia. A IRL vai além da identificação de manobras atípicas individuais e concentra-se em responder às questões estratégicas de por que os satélites estão exibindo comportamentos específicos e quais são as suas intenções. Além disso, Agatha não exige dicas sobre onde procurar valores discrepantes – o modelo independente de dados ingere grandes quantidades de informações espaciais e identifica anomalias à medida que as encontra.
Dada a escala das implantações de satélites planejadas nos próximos anos – no início de 2023, a União Internacional de Telecomunicações havia recebido registros para mais de 300 constelações representando mais de 1 milhão de satélites – tecnologias de IA como Agatha são necessárias para monitorar constelações de satélites e rastrear o número crescente de objetos no espaço. Agatha analisa especificamente dados astrométricos, contextuais e fotométricos de alta resolução do vasto data lake da plataforma Slingshot, que agrega dados da Slingshot Global Sensor Network, Slingshot Seradata e outras fontes públicas e proprietárias. Agatha também avalia os locais e horários das comunicações dos satélites com a Terra e uma variedade de outros fluxos de dados.
O programa PRECOG da Slingshot, que produziu o sistema Agatha, começou em março de 2023 e os resultados foram entregues à DARPA em janeiro de 2024; o programa está completo. A Slingshot está agora focada na implementação de seu poderoso sistema Agatha AI e está envolvida em discussões contínuas com o governo dos EUA e empresas espaciais comerciais sobre métodos para implantar Agatha como parte de seus serviços avançados de conscientização de domínio espacial.
"À medida que a atividade espacial passa de satélites pertencentes a um pequeno número de operadores para enormes constelações operadas por uma série de proprietários, a necessidade de transparência aumenta", disse Kesler. "A capacidade de identificar rapidamente anomalias – seja uma nave espacial com defeito ou um 'lobo em pele de cordeiro' intencionalmente nefasto – é um aspecto cada vez mais importante para manter a segurança no espaço e na Terra."
"Tendo trabalhado anteriormente no mundo da biotecnologia e com tecnologias de edição genética como CRISPR, sei que ferramentas como Agatha e abordagens como aprendizagem por reforço inverso quase certamente nos teriam ajudado a encontrar anomalias nos oceanos de dados genômicos que analisamos", continuou Kesler. "A aprendizagem por reforço inverso é uma técnica de IA na vanguarda do desenvolvimento e esperamos que seu uso cresça exponencialmente nos próximos anos para resolver uma variedade de problemas, não apenas no espaço."
Dada a adaptabilidade e escalabilidade do Agatha, ele possui uma ampla gama de aplicações potenciais em domínios além do espaço. Sua capacidade de ingerir grandes séries de dados e encontrar anomalias com eficácia em fluxos massivos de dados significa que Agatha é adequada para aplicação em genômica, biomedicina, agricultura e otimização de serviços públicos, entre outros casos de uso potenciais.
