ESA

Da unsere Gesellschaft mehr Daten produziert als je zuvor, ermöglicht uns künstliche Intelligenz (KI), diese auf neuartige Weise zu sammeln, zu analysieren und zu nutzen, auch in Raumfahrtprogrammen. Jetzt wird KI von den Ingenieurteams des NAVISP-Programms der ESA auch auf die Satellitennavigation angewendet und arbeitet mit der europäischen Industrie und Wissenschaft zusammen, um die Zukunft der Navigation zu erfinden. Das Ergebnis ist ein wachsendes Portfolio an Prototypendiensten, die auf verschiedene Weise eingesetzt werden, um die Wettervorhersage im Weltraum und auf der Erde zu verbessern, die Leistung autonomer Autos und Boote zu steigern und dabei zu helfen, unerwünschte Drohnen in sensiblen Lufträumen zu identifizieren.

Satellitennavigation ist in unserem Leben allgegenwärtig und wird für viel mehr als nur Transportzwecke eingesetzt, von der Präzisionslandwirtschaft über die Verwaltung von Stromnetzen, den Finanzhandel bis hin zu Kommunikationsverbindungen. Signale aus dem Weltraum werden durch komplexe mathematische Modelle mit hochpräzisen Algorithmen verarbeitet, um eine Genauigkeit im Zentimeterbereich zu erreichen – unter optimalen Signalbedingungen.

Das Navigationsinnovations- und -unterstützungsprogramm der ESA, NAVISP, zielt darauf ab, die europäische Wettbewerbsfähigkeit im gesamten Bereich Positionierung, Navigation und Zeitmessung (PNT) durch die Entwicklung neuartiger Produkte, Systeme und Dienste zu verbessern. Eine Möglichkeit, dies zu erreichen und die Navigationsleistung noch zu verbessern, besteht darin, globale Navigationssatellitensysteme (GNSS) mit anderen Technologien zu kombinieren, von Trägheitssensoren und maschinellem Sehen über 5G und 6G bis hin zu zunehmend künstlicher Intelligenz (KI).

„KI umfasst alle Techniken, die es Computern ermöglichen, Intelligenz nachzuahmen, sei es Datenanalysesysteme oder die eingebettete Intelligenz, die ein autonomes Fahrzeug überwacht“, erklärt Rafael Lucas Rodriguez, Leiter des NAVISP Technical Program Office. „Was KI durch sogenanntes maschinelles Lernen (ML) sehr gut kann, ist das Extrahieren aussagekräftiger Informationen, um nützliche Muster zu identifizieren, die sonst unentdeckt geblieben wären. Die Satellitennavigation gehört zu den Bereichen, die große Datenmengen liefern, sodass KI in unserer Branche auch als Grundlage für neuartige Ansätze und Dienste dienen könnte.“

Weltraumwetterdaten sichten

Der erste Schritt besteht darin, auf nützliche Daten zuzugreifen. Je mehr Daten, desto besser, um ML-Modelle besser zu trainieren. Das CAMALIOT-Projekt von NAVISP basiert auf einer Android-App, die GNSS-Rohdaten von teilnehmenden Smartphones sammelt. Die Menschen wurden ermutigt, zu „Bürgerwissenschaftlern“ zu werden, indem sie einfach ihre Telefone über Nacht an und neben einem Fenster ließen, damit die App rohe GNSS-Daten über den eingebauten Navigationsempfänger ihrer Telefone erfassen konnte. Bisher haben mehr als 12.000 Freiwillige teilgenommen und mehr als 131 Milliarden Messungen in Europa und der ganzen Welt durchgeführt.

Der nächste Schritt bestand darin, mithilfe von ML nach Mustern in den Daten zu suchen, die mit Schwankungen in der Ionosphäre – einem elektrisch aktiven Segment der Erdatmosphäre, das die Ausbreitung von GNSS-Signalen beeinflussen kann – aufgrund des Weltraumwetters sowie von Wettereffekten in Zusammenhang stehen die Troposphäre, die der Erdoberfläche am nächsten liegt, wie etwa „Regenschwund“. Die Ergebnisse haben das Potenzial, die Genauigkeit der Wettervorhersage auf der Erde und im Weltraum zu verbessern.

KI verbessert die Automobilpositionierung

Das AIGNSS-Projekt von NAVISP hat KI-gestützte Algorithmen auf einen der sicherheitskritischsten Aspekte der PNT-Forschung angewendet: die Steigerung der Leistung der GNSS-Positionierung im Dienste des autonomen Fahrens. Satellitennavigation ist eine Basistechnologie für assistiertes und autonomes Fahren, die es Fahrzeugen ermöglicht, abzuschätzen, wo sie sich befinden und wie schnell sie fahren. Typischerweise wird sie in Kombination mit anderen Positionierungsmethoden wie Trägheitssensoren, Kameras und Radar sowie anderen Gelegenheitssignalen eingesetzt.

Das Problem besteht darin, dass die GNSS-Leistung je nach Umgebung stark variieren kann. Die glatten Flächen von Gebäuden und anderen künstlichen Strukturen können zu irreführenden Signalreflexionen führen – bekannt als „Mehrwegeausbreitung“ –, während städtische Schluchten oder dichte Baumbestände die Anzahl der am lokalen Himmel sichtbaren Satelliten verringern können.

Das AIGNSS-Projekt sammelte reale Fahrdaten unter Verwendung mehrerer Satellitennavigationskonstellationen, darunter Europas Galileo, und Frequenzen verschiedener Straßeneinstellungen im Vereinigten Königreich und wendete dann eine ausgefeilte Signalanalyse an, um Mehrwegeinterferenzen zu identifizieren und Entfernungsfehler abzuschätzen. Das Hinzufügen von KI zu den verschiedenen verwendeten Algorithmen führte zu Leistungsverbesserungen, wenn auch nicht wesentlicher Natur.

Rafael Lucas erklärt: „Diese Ergebnisse liefern wertvolle Erkenntnisse für eine erfolgreiche Algorithmenentwicklung und die Einrichtung eines vielseitigen, geräteübergreifenden Testfelds für die Datenerfassung und -verarbeitung.“

In zukünftige Gewässer steuern

KI und ML werden auch bei der Erforschung der autonomen Schifffahrt im weltweit ersten speziellen Testgebiet eingesetzt, das mit NAVISP-Unterstützung eingerichtet wurde. Das Trondheimsfjorden Autonomous Vessel Test Area liegt in einem norwegischen Fjord und wurde mit fortschrittlichen Technologien ausgestattet, darunter Kommunikationsinfrastruktur, Positionierungssensoren und -technologien sowie Internet-of-Things-Konnektivität, um alles zu erfassen, was auf der Wasserstraße geschieht.

ML wird verwendet, um Testergebnisse zu analysieren, um etwaige Abweichungen von der geplanten Leistung zu verstehen, und wird gleichzeitig auf die eingebettete Intelligenz angewendet, die die Schiffe selbst steuert.

KI beobachtet den Himmel

Unterdessen blickt das MEDuSA-Projekt von NAVISP in den Himmel, um dem wachsenden Problem aufdringlicher Drohnen entgegenzuwirken. Die Häufigkeit des versehentlichen oder absichtlichen Eindringens von Drohnen in Sportveranstaltungen, Häfen oder andere kritische Infrastrukturen nimmt zu. Der Flughafen Gatwick im Vereinigten Königreich war im Dezember 2018 drei Tage lang geschlossen und Hunderte von Flügen wurden gestrichen, nachdem wiederholt Drohnen rund um die Landebahnen des Flughafens gesichtet worden waren.

MEDuSA bietet eine Möglichkeit, Drohnen bei allen Sichtverhältnissen zu erkennen und ihre Flugbahnen durch einen innovativen, auf Radar basierenden Ansatz abzuschätzen, bei dem GNSS-Signale als Radarsignalquelle für Sensoren verwendet werden, um die Umgebung des interessierenden Bereichs zu erkennen – was Galileo-Signale begünstigt insbesondere aufgrund ihrer äußerst stabilen Signale und ihres in Vorbereitung befindlichen Mehrwertdienstes Open Service Navigation Message Authentication, der Robustheit und Schutz vor Spoofing-Angriffen bietet. MEDuSA-Algorithmen erkennen Drohnen durch die „Vorwärtsstreuungserkennung“, die durch ihren Durchgang verursacht wird, einschließlich der Erkennung geringfügiger Signalphasenanomalien.

ML nutzt in Kombination mit prädiktiven „Kalman-Filtern“ diese Daten, um die Flugbahn der Drohne abzuleiten, sodass ein Alarm ausgelöst und Gegenmaßnahmen ergriffen werden können.

Über NAVISP

Die Navigationsspezialisten der ESA unterstützen europäische Spitzenunternehmen bei der Entwicklung neuer Navigationstechnologien und -dienste – zur Unterstützung der industriellen Wettbewerbsfähigkeit, Autonomie und Führungsrolle Europas. Das Ergebnis ist das Navigation Innovation and Support Programme der ESA, NAVISP.

NAVISP untersucht alle möglichen cleveren Ideen für die Zukunft der Navigation: Möglichkeiten zur Verbesserung der Satellitennavigation, alternative Positionierungssysteme sowie neue Navigationsdienste und -anwendungen.

Weitere Informationen finden Sie auf der NAVISP-Webseite.

Danke das es Ihnen gefallen hat

Diese Seite hat Ihnen bereits gefallen, Sie können sie nur einmal liken!