Een nieuw model voor kunstmatige intelligentie kan satellieten volgen en afwijkingen in hun gedrag opsporen, waardoor het risico op botsingen in een baan om de aarde afneemt. Het onderzoek is gepubliceerd in het tijdschrift Expert Systems 27 september 2026 jaar.
De ontwikkeling vond plaats in het kader van het project AI4 Space Safety and Sustainability met steun van UK Space Agency. Het consortium bestaat uit organisaties uit de FVEY-landen: Australië, Canada, Nieuw-Zeeland, het Verenigd Koninkrijk en de VS.
Het project staat onder leiding van professor Massimiliano Vasile, directeur van het Aerospace Centre of Excellence aan de Universiteit van Strathclyde. Onder de deelnemers bevinden zich het Alan Turing Institute, de Universiteit van Arizona, MIT, de Universiteit van Waterloo, evenals de bedrijven GMV, Columbiad, LMO en Zendir.
Het model, ontwikkeld in het Defence AI Research Centre (DARe) van het Alan Turing Institute, wist als eerste afwijkingen en de beweging van satellieten te voorspellen op basis van het licht dat zij weerkaatsen — de zogenoemde light curves.
Met elk jaar wordt de baan om de aarde drukker: in 2025 werden meer dan 4000 nieuwe satellieten gelanceerd tegenover 159 in 2000 jaar. Een geautomatiseerd instrument helpt bij het monitoren en beheren van het ruimteverkeer.
Het model is getraind op grote hoeveelheden gegevens over de helderheid van satellieten, verzameld met telescopen, en vervolgens bijgetraind op simulaties van Strathclyde en GMV. In realtime analyseert het gegevens van observatoria en markeert het afwijkingen voor verder onderzoek door specialisten.
Uit tests bleek een nauwkeurigheid van 88 % bij het opsporen van ongewone light curves. Het systeem onderscheidt ook gedragingen van een satelliet zoals rotatie en tuimelen — dat is belangrijk voor onderhoud in een baan om de aarde en voor het verlengen van de levensduur van de apparaten.
Hoe precies zal de combinatie van gegevens over licht, radar en andere bronnen de aanpak van satellietbescherming de komende jaren veranderen?
Professor Vasile merkte op dat met behulp van AI4S3 is aangetoond hoe AI helpt bij het analyseren van het gedrag van ruimteobjecten, zelfs op basis van één pixel aan de hemel. De volgende stappen van het project omvatten de integratie van multimodale gegevens — radar, hyperspectrale metingen en orbitale informatie.
