ASOPS

Autonomous Space Operation Planner and Scheduler

Das ASOPS-Projekt ist ein Technologie-Demonstrator, der entwickelt wurde, um die Möglichkeiten und Vorteile einer bordseitigen Missionsplanung zu untersuchen.

Während die Betriebsplanung traditionell vom Boden aus erfolgt, verlagert ASOPS Teile dieser Logik an Bord des Satelliten. Auf Basis von Nutzlastbeschränkungen und Prioritäten kann das System so eigenständig Missionspläne erstellen.

Zur Bewertung der Leistungsfähigkeit und des Nutzens dieser autonomen Planung kombiniert ASOPS Raumfahrzeugsimulationen, Optimierungsmethoden und künstliche Intelligenz (KI). Mithilfe von Vorhersagemodellen und Planungsalgorithmen erstellt das System Betriebspläne in Echtzeit, gestützt auf Telemetriedaten und prognostizierte Raumfahrzeugzustände. Dabei kommen auch selbstlernende Modelle zum Einsatz, die ihre Parameter anhand von Beobachtungsdaten anpassen können. Zusätzlich nutzt ASOPS Bibliotheken zur präzisen Bahnverfolgung (POD, Precise Orbit Determination) für exakte Bahnvorhersagen.

Projektübersicht

ASOPS wird an Bord des Satelliten Athene-1 betrieben, der im Rahmen des Projekts Seamless Radio Access Networks (SeRANIS) entwickelt wird.

Die ASOPS-Anwendung ist in einen leistungsstarken Bordcomputer (AI-OBC) integriert, der aus einem FPGA und zwei GPUs besteht. Die Hauptverarbeitungseinheit bildet eine NVIDIA Jetson Xavier NX GPU. Auf dem AI-OBC laufen mehrere unterschiedliche Anwendungen (Payloads) innerhalb von Docker-/NVIDIA-Containern.

Die Verarbeitung der Anwendungsdaten wird durch MySQL-Datenbanken organisiert. Plattformtelemetrie wird über eine regelmäßig aktualisierte AI-OBC-Datenbank eingebunden, auf die die ASOPS-Software während der Ausführung zugreift. Zusätzlich dient eine separate ASOPS-Datenbank zur Ablage ASOPS-spezifischer Informationen.

Forschungsziele

Im Mittelpunkt des Projekts steht die Bewertung der Vorteile, die eine autonome Planung direkt an Bord für den Satellitenbetrieb bietet.

Darüber hinaus verfolgt das Projekt mehrere wissenschaftliche Fragestellungen:

  • die Demonstration adaptiver Raumfahrzeugmodelle, die durch Lernen aus Borddaten die Genauigkeit der Ressourcenvorhersage verbessern,
  • sowie die Untersuchung, welche Arten von Planungslogik sich besonders gut für den Einsatz direkt an Bord eignen.

Projektrahmen

Gefördert

durch:

Zentrum für Digitalisierungs- und Technologieforschung der Bundeswehr (dtec.bw)

Laufzeit: 2021 - 2026

Publikation

Kontakt

Johannes Bachmann M.Sc.

Johannes Bachmann M.Sc.

Wiss. Mitarbeiter
Building Intel, Room G2.003/G2.003
+49 89 6004-5140
Francesco Porcelli M.Sc.

Francesco Porcelli M.Sc.

Wiss. Mitarbeiter
Building Intel, Room G2.005/G2.005
+49 89 6004-5145