Студентка МАИ создала ИИ-систему для восстановления данных о движении спутников

Специалисты Московского авиационного института представили прототип интеллектуальной системы, предназначенной для восстановления пропущенных навигационных данных космических аппаратов и автономных транспортных модулей. Разработка направлена на устранение сбоев в расчетах координат, возникающих вследствие помех или программных ошибок, нарушающих непрерывность трекинга траектории.

Принцип работы интеллектуального алгоритма

В отличие от классических методов интерполяции, работающих по принципу линейного соединения известных точек, предложенная архитектура анализирует динамику движения аппарата как целостный процесс. Если говорить проще, система учитывает контекст всей траектории: вектор движения до и после сбоя, что позволяет восстановить отсутствующий фрагмент с высокой точностью. На практике это значит, что алгоритм не просто сглаживает путь, а реконструирует математически вероятную кривую перемещения.

Техническое ядро решения базируется на моделях искусственного интеллекта, способных к обработке сложных временных последовательностей. По своей сути, система работает с данными, где текущее состояние функционально зависит от предыдущих значений. Для обучения модели использовали массив данных о движении космических объектов: около 288 тыс. записей с минутным интервалом за пять суток.

Методология испытаний и показатели точности

Валидация алгоритма проходила в условиях симулированных помех. Авторы целенаправленно вносили в исходные датасеты случайные пропуски, погрешности измерений и векторные смещения, имитирующие реальную деградацию сигнала. Результатом обработки стало восстановление данных с минимальной погрешностью — средняя ошибка определения координат составила порядка 33 сантиметров.

Такой подход обеспечивает устойчивость навигации даже в ситуациях, когда традиционные системы фильтрации начинают накапливать критические расхождения. Разработчики отмечают, что текущий прототип прошел этап первичного тестирования, в ходе которого удалось подобрать наиболее стабильную архитектуру, устойчивую к нештатным типам искажений данных.

Дальнейшая работа над проектом предполагает масштабирование обучающей выборки и интеграцию системы в действующие навигационные комплексы наземного и орбитального базирования. Основная цель — обеспечить автономность работы спутниковых группировок и беспилотных систем в условиях высокой неопределенности внешних факторов.