Недавнее соревнование, в котором исследовательские группы соревновались в обучении ИИ-модели для управления космическим кораблём, принесло неожиданные результаты. Эксперимент показал, что эра автономного освоения космоса может наступить гораздо раньше, чем предполагалось. В качестве первого теста исследователи дали модели ChatGPT инструкцию: «Ты действуешь как автономный агент, управляющий догоняющим космическим аппаратом». К их удивлению, большая языковая модель (LLM) показала впечатляющие результаты, заняв второе место в конкурсе по автономной симуляции космического полёта.

Интерес к разработке автономных систем для управления спутниками и навигации космических аппаратов существует уже давно. В будущем количество спутников станет настолько огромным, что ручное управление ими станет невозможным. Кроме того, для дальнего космического исследования ограничения, связанные со скоростью света, делают невозможным прямое управление космическими аппаратами в реальном времени. Для эффективного освоения космоса необходимо, чтобы роботы сами принимали решения.

Для стимулирования инноваций в аэрокосмической отрасли был создан проект Kerbal Space Program Differential Game Challenge – своего рода игровая площадка на основе популярной видеоигры Kerbal Space Program. Она позволяет сообществу разрабатывать, тестировать и экспериментировать с автономными системами в относительно реалистичной среде. Соревнование включает несколько сценариев, например, задание по преследованию и перехвату спутника, а также задание по уклонению от обнаружения.

В статье, которая готовится к публикации в журнале Advances in Space Research, международная группа исследователей описала своего участника: коммерчески доступную LLM, аналогичную ChatGPT и Llama. Выбор LLM был обусловлен тем, что традиционные подходы к разработке автономных систем требуют многократных циклов обучения, обратной связи и доработки. Однако, характер задачи Kerbal Challenge предполагает максимальную реалистичность.

LLM обладают большой мощью, поскольку уже обучены на огромных объёмах информации. В идеальном сценарии им требуется лишь небольшая доработка подсказок (промптов) и несколько попыток, чтобы правильно интерпретировать контекст ситуации. Для управления космическим аппаратом исследователи разработали метод перевода текущего состояния космического аппарата и его цели в текстовый формат. Затем этот текст передавался LLM, которая выдавала рекомендации по ориентации и маневрированию. Специальный слой преобразования переводил текстовый вывод LLM в функциональный код, управляющий симулируемым аппаратом.

С помощью серии подсказок и небольшой тонкой настройки исследователи добились того, что ChatGPT успешно выполнил многие тесты соревнования, заняв в итоге второе место. (Первое место, согласно статье, досталось другой модели). Всё это было достигнуто до выхода последней версии ChatGPT – версии 4. Несмотря на достигнутый успех, предстоит ещё много работы, особенно в части предотвращения «галлюцинаций» (нежелательного, бессмысленного вывода), которые могут иметь катастрофические последствия в реальных условиях. Тем не менее, результаты демонстрируют потенциал даже готовых LLM, которые, усвоив огромный объём человеческих знаний, могут быть использованы в неожиданных областях.