В рамках международного конкурса по навигации космических аппаратов в симуляторе Kerbal Space Program нейросеть на базе GPT-3.5 и LLaMA занял второе место. Эксперимент показал, что современные языковые модели способны принимать сложные решения в условиях, приближённых к управлению реальным космическим аппаратом, поэтому в перспективе могут использоваться в задачах автономного пилотирования.
Идея создания автоматизированных систем управления орбитальными аппаратами давно обсуждается в научной среде. Рост числа спутников и невозможность контролировать каждый объект вручную делают развитие искусственного интеллекта необходимым.
Кроме того, при управлении объектами в глубоком космосе задержки сигнала из-за скорости света не позволяют полагаться на команды с Земли. По этой причине передача навигационных функций автономным системам становится не вопросом выбора, а технической неизбежностью.
Чтобы стимулировать разработку подобных решений, специалисты в сфере космических технологий инициировали соревнование Kerbal Space Program Differential Game Challenge. Это тренировочная среда, построенная на базе известной игры, где моделируются сценарии межорбитального маневрирования, перехвата и скрытности. Такие симуляции позволяют проверять эффективность систем в сложных условиях, не прибегая к дорогостоящим запускам.
Команда исследователей представила участника — ИИ-агента, в основу которого легли большие языковые модели. Это решение объясняется тем, что традиционные подходы требуют продолжительного обучения, многократной обратной связи и итеративных доработок, что неэффективно в условиях ограниченного времени — симуляции длятся лишь несколько часов.
Предварительно обученные модели, обработавшие триллионы словарных связей, могут воспринимать контекст и задачи с минимальной донастройкой.
Чтобы добавить LLM в процесс управления, была разработана система преобразования телеметрии и целей корабля в текстовую форму. Этот текст поступает в языковую модель, которая возвращает указания по курсу, манёврам и действиям.
Затем специальный алгоритм-переводчик трансформирует эти текстовые подсказки в программные команды симулятора. Таким образом, языковая модель принимает роль пилота, реагируя на обстановку в реальном времени.
Учитывая краткий цикл настройки и ограниченное количество тестов, результат оказался впечатляющим — ИИ-агент занял второе место среди всех участников. Победу одержала система, основанная на специализированных математических уравнениях, но возможности языковой модели в контексте универсальности вызывают интерес. При этом испытания проводились ещё до выхода GPT-4, что говорит о потенциале более продвинутых поколений.
Исследователи подчёркивают, что модели пока подвержены «галлюцинациям» — генерации логически ошибочных или недостоверных инструкций, что критично при управлении техникой в реальных условиях. При этом проект доказывает, что обобщённые ИИ-системы могут применяться в узкоспециализированных сценариях — от космической навигации до автономных исследований.
Ещё по теме:
- Гонки за мозгами: Meta* и OpenAI платят миллионы за лучших специалистов по ИИ
- Apple заплатит в пять раз больше пошлин из-за новой торговой сделки США с Вьетнамом
- Сложное вредоносное ПО для macOS выдаёт себя за обновление Zoom и атакует криптостартапы
