ESA

Com a nossa sociedade a produzir mais dados do que nunca, a Inteligência Artificial, IA, permite-nos recolhê-los, analisá-los e utilizá-los de formas inovadoras, inclusive em programas espaciais. Agora a IA também está a ser aplicada à navegação por satélite pelas equipas de engenharia do programa NAVISP da ESA, trabalhando com a indústria e a academia europeias para inventar o futuro da navegação. O resultado é um portfólio crescente de serviços de protótipos, empregados de diversas maneiras para melhorar a previsão do tempo no espaço e na Terra, melhorar o desempenho de carros e barcos autônomos e ajudar a identificar drones não autorizados em espaços aéreos sensíveis.

A navegação por satélite é uma presença omnipresente nas nossas vidas, sendo utilizada para muito mais do que simplesmente transporte, desde a agricultura de precisão à gestão de redes eléctricas, do comércio financeiro às ligações de comunicação. Os sinais do espaço são processados ​​através de modelos matemáticos complexos usando algoritmos altamente precisos para produzir precisão centimétrica – sob condições de sinal ideais.

O Programa de Inovação e Apoio à Navegação da ESA, NAVISP, procura melhorar a competitividade europeia em todo o domínio do Posicionamento, Navegação e Cronometragem, PNT, através do desenvolvimento de novos produtos, sistemas e serviços. Uma maneira de fazer isso e melhorar ainda mais o desempenho da navegação por satélite é combinar Sistemas Globais de Navegação por Satélite, GNSS, com outras tecnologias, desde sensores inerciais e visão mecânica até 5G e 6G e agora, cada vez mais, Inteligência Artificial – IA.

“A IA compreende todas as técnicas que permitem aos computadores imitar a inteligência, sejam eles sistemas de análise de dados ou a inteligência incorporada que supervisiona um veículo autônomo”, explica Rafael Lucas Rodriguez, Chefe do Escritório do Programa Técnico NAVISP. “O que a IA é muito boa, através do chamado Machine Learning, ML, é extrair informações significativas para identificar padrões úteis que de outra forma não seriam vistos. A navegação por satélite está entre os campos que produzem grandes quantidades de dados, pelo que, no nosso setor, a IA também poderia servir de base para novas abordagens e serviços.”

Peneirando dados meteorológicos espaciais

O primeiro passo é acessar dados úteis, e quanto mais dados melhor, para treinar melhor os modelos de ML. O projeto CAMALIOT da NAVISP é baseado em um aplicativo Android que coleta dados GNSS brutos dos smartphones participantes. As pessoas foram incentivadas a se tornarem 'cientistas cidadãos' simplesmente deixando seus telefones ligados e ao lado de uma janela durante a noite, para que o aplicativo pudesse adquirir dados GNSS brutos por meio do receptor de navegação por satélite embutido em seus telefones. Mais de 12 000 voluntários participaram até à data, produzindo mais de 131 mil milhões de medições abrangendo a Europa e o mundo.

O próximo passo foi aplicar ML para procurar padrões nos dados relacionados a variações na ionosfera – um segmento eletricamente ativo da atmosfera terrestre, que pode afetar a propagação de sinais GNSS – devido ao clima espacial, bem como aos efeitos climáticos em a troposfera mais próxima da superfície da Terra, como 'rain fade'. Os resultados têm o potencial de melhorar a precisão da previsão do tempo terrestre e espacial.

IA aprimorando o posicionamento automotivo

O projeto AIGNSS da NAVISP aplicou algoritmos habilitados para IA a um dos aspectos mais críticos para a segurança da pesquisa PNT: aumentar o desempenho do posicionamento GNSS a serviço da direção autônoma. Satnav é uma tecnologia de base para condução assistida e autónoma, que permite aos veículos estimar onde estão e a que velocidade se deslocam, normalmente utilizada em combinação com outros métodos de posicionamento, como sensores inerciais, câmaras e radar, e outros sinais de oportunidade.

O problema é que o desempenho do GNSS pode variar amplamente com base no ambiente circundante. As faces lisas dos edifícios e outras estruturas artificiais podem causar refletância de sinal enganosa – conhecida como “multipercurso” – enquanto os desfiladeiros urbanos do centro da cidade ou a espessa cobertura de árvores podem reduzir o número de satélites visíveis no céu local.

O projeto AIGNSS reuniu dados de condução do mundo real usando múltiplas constelações de navegação por satélite, incluindo o Galileo da Europa, e frequências de uma variedade de configurações de estradas no Reino Unido, depois aplicou análise de sinal sofisticada para identificar interferência de múltiplos caminhos e estimar erros de alcance. Adicionar IA aos vários algoritmos usados ​​levou a melhorias de desempenho, embora de caráter não substancial.