Un nuovo modello di intelligenza artificiale è in grado di monitorare i satelliti e individuare le deviazioni nel loro comportamento, riducendo il rischio di collisioni in orbita. Lo studio è stato pubblicato sulla rivista Expert Systems 27 settembre 2026 anno.
Lo sviluppo è stato realizzato nell'ambito del progetto AI4 Space Safety and Sustainability con il sostegno della UK Space Agency. Nel consorzio figurano organizzazioni dei paesi FVEY: Australia, Canada, Nuova Zelanda, Regno Unito e Stati Uniti.
Il progetto è guidato dal professor Massimiliano Vasile, direttore dell'Aerospace Centre of Excellence presso l'Università di Strathclyde. Tra i partecipanti figurano l'Alan Turing Institute, l'Università dell'Arizona, il MIT, l'Università di Waterloo, nonché le aziende GMV, Columbiad, LMO e Zendir.
Il modello, creato nel Defence AI Research Centre (DARe) dell'Alan Turing Institute, è stato il primo a imparare a prevedere anomalie e movimento dei satelliti dalla luce da essi riflessa — le cosiddette light curves.
Ogni anno l'orbita diventa sempre più affollata: nel 2025 sono stati lanciati più di 4000 nuovi satelliti contro 159 nel 2000. Uno strumento automatizzato aiuta a gestire il monitoraggio e il controllo del traffico spaziale.
Il modello è stato addestrato su grandi volumi di dati sulla luminosità dei satelliti, raccolti dai telescopi, e poi perfezionato su simulazioni di Strathclyde e GMV. In tempo reale analizza i dati degli osservatori e segnala le anomalie per ulteriori studi da parte degli specialisti.
I test hanno mostrato un'accuratezza nell'individuazione di light curves insolite pari al 88 %. Il sistema distingue anche comportamenti del satellite come la rotazione e il capovolgimento — un aspetto importante per la manutenzione in orbita e l'estensione della vita operativa degli apparati.
In che modo esattamente la combinazione di dati sulla luce, radar e altre fonti cambierà l'approccio alla protezione dei satelliti nei prossimi anni?
Il professor Vasile ha osservato che con AI4S3 è stato possibile dimostrare come l'IA aiuti nell'analisi del comportamento degli oggetti spaziali anche a partire da un solo pixel nel cielo. I prossimi passi del progetto includono l'integrazione di dati multimodali — radar, misurazioni iperspettrali e informazioni orbitali.
