ESA

Alors que notre société produit plus de données que jamais, l’intelligence artificielle, ou IA, nous permet de les collecter, de les analyser et de les utiliser de manière inédite, y compris dans les programmes spatiaux. Désormais, l'IA est également appliquée à la navigation par satellite par les équipes d'ingénierie du programme NAVISP de l'ESA, qui travaillent avec l'industrie et le monde universitaire européens pour inventer l'avenir de la navigation. Le résultat est un portefeuille croissant de services prototypes, utilisés de diverses manières pour améliorer les prévisions météorologiques spatiales et terrestres, améliorer les performances des voitures et des bateaux autonomes et aider à identifier les drones malveillants dans l'espace aérien sensible.

La navigation par satellite est omniprésente dans nos vies, utilisée pour bien plus que le simple transport, de l'agriculture de précision à la gestion des réseaux électriques, du commerce financier aux liaisons de communication. Les signaux provenant de l’espace sont traités au moyen de modèles mathématiques complexes utilisant des algorithmes très précis pour obtenir une précision centimétrique – dans des conditions de signal optimales.

Le programme d'innovation et de soutien à la navigation de l'ESA, NAVISP, vise à améliorer la compétitivité européenne dans l'ensemble du domaine du positionnement, de la navigation et du timing (PNT) en développant de nouveaux produits, systèmes et services. Une façon d’y parvenir et d’améliorer encore les performances de la navigation par satellite consiste à combiner les systèmes mondiaux de navigation par satellite, GNSS, avec d’autres technologies, depuis les capteurs inertiels et la vision industrielle jusqu’à la 5G et la 6G et maintenant, de plus en plus, l’intelligence artificielle – l’IA.

« L'IA comprend toutes les techniques permettant aux ordinateurs d'imiter l'intelligence, qu'il s'agisse de systèmes d'analyse de données ou d'intelligence embarquée qui supervise un véhicule autonome », explique Rafael Lucas Rodriguez, responsable du bureau du programme technique NAVISP. « Ce pour quoi l'IA est très efficace, grâce à ce qu'on appelle l'apprentissage automatique (ML), c'est extraire des informations significatives pour identifier des modèles utiles qui autrement seraient passés inaperçus. La navigation par satellite fait partie des domaines qui génèrent de grandes quantités de données. Dans notre secteur, l’IA pourrait donc également servir de base à de nouvelles approches et services.

Passer au crible les données météorologiques spatiales

La première étape consiste à accéder à des données utiles, et plus il y a de données, mieux c'est, afin de mieux entraîner les modèles ML. Le projet CAMALIOT de NAVISP est basé sur une application Android qui collecte les données GNSS brutes des smartphones participants. Les gens ont été encouragés à devenir des « scientifiques citoyens » simplement en laissant leur téléphone allumé et à côté d'une fenêtre pendant la nuit, afin que l'application puisse acquérir des données GNSS brutes via le récepteur de navigation par satellite intégré à leur téléphone. Plus de 12 000 volontaires ont participé à ce jour, produisant plus de 131 milliards de mesures couvrant l'Europe et le monde.

L'étape suivante a consisté à appliquer le ML pour rechercher des tendances dans les données liées aux variations de l'ionosphère – un segment électriquement actif de l'atmosphère terrestre, qui peut affecter la propagation des signaux GNSS – dues à la météo spatiale, ainsi qu'aux effets météorologiques dans l'espace. la troposphère la plus proche de la surface de la Terre, comme « l'évanouissement dû à la pluie ». Les résultats pourraient potentiellement améliorer la précision des prévisions météorologiques terrestres et spatiales.

L'IA affine le positionnement automobile

Le projet AIGNSS de NAVISP a appliqué des algorithmes basés sur l'IA à l'un des aspects les plus critiques en matière de sécurité de la recherche PNT : améliorer les performances du positionnement GNSS au service de la conduite autonome. Satnav est une technologie de base pour la conduite assistée et autonome, permettant aux véhicules d'estimer où ils se trouvent et à quelle vitesse ils vont, généralement utilisée en combinaison avec d'autres méthodes de positionnement telles que des capteurs inertiels, des caméras et des radars, ainsi que d'autres signaux d'opportunité.

Le problème est que les performances du GNSS peuvent varier considérablement en fonction de l’environnement. Les faces lisses des bâtiments et autres structures artificielles peuvent provoquer une réflectance trompeuse du signal – connue sous le nom de « trajets multiples » – tandis que les canyons urbains du centre-ville ou l'épais couvert forestier peuvent réduire le nombre de satellites visibles dans le ciel local.

Le projet AIGNSS a rassemblé des données de conduite réelles à l'aide de plusieurs constellations de navigation par satellite, notamment Galileo en Europe, et des fréquences provenant de divers paramètres routiers au Royaume-Uni, puis a appliqué une analyse sophistiquée des signaux pour identifier les interférences par trajets multiples et estimer l'erreur de télémétrie. L’ajout de l’IA aux différents algorithmes utilisés a conduit à des améliorations de performances, même si elles ne sont pas substantielles.