Ricerca > Progetti > CALIPSO

Il progetto si occupa della pianificazione delle attività degli esperimenti delle missioni spaziali, in particolare per l’osservazione dall’orbita di bersagli terrestri. A questo scopo, esso mira a integrare due discipline dell’intelligenza artificiale, la ricerca operativa (RO) e l’apprendimento automatico (ML), al fine di costruire uno scheduler efficace, flessibile e dinamico. Le tecniche di queste due aree di ricerca saranno adattate per gestire le caratteristiche e i vincoli specifici dei veicoli spaziali e degli strumenti di bordo. Questa interconnessione tra aree di ricerca e la loro applicazione al dominio del telerilevamento planetario rappresentano la forza e l’originalità del progetto. In questo contesto, il ML sarà dedicato allo studio dei dati raccolti dalle missioni, mentre gli algoritmi di RO affronteranno il problema della pianificazione delle osservazioni nel complesso contesto dell’esplorazione spaziale, tenendo conto dei risultati degli algoritmi di ML.

Attività previste:
• sviluppare un algoritmo di ottimizzazione efficace e flessibile per supportare la pianificazione delle operazioni delle missioni spaziali;
• sfruttare il potenziale del ML sia per guidare l’ottimizzazione sia per recuperare informazioni utili in generale;
• includere l’incertezza e la dinamicità delle missioni spaziali nell’approccio di ottimizzazione;
• sviluppare uno strumento di facile utilizzo per le attività operative di controllo delle missioni spaziali.