米スタンフォード大学の研究チームが、宇宙船同士のランデブー・ドッキング(接近・結合)操作をAIに習得させる新しい手法を提案し、プレプリントサーバー「arXiv」で発表した。人間の頭の中でのシミュレーションのように、AIが行動とその結果の関係を仮想的に学習し続けることで、複雑な軌道力学を伴うドッキング操作を安全にこなせるようにすることを目指す研究だ。
宇宙船のドッキングは、時速およそ2万8000キロメートルという猛烈な速度で飛行しながら、同じ速度で飛ぶ別の宇宙船や国際宇宙ステーション(ISS)に精密に接近し結合するという、極めて難易度の高い操作だ。「高速道路を猛スピードで走りながら、同じ速度で走る巨大な研究施設の駐車スペースへ縦列駐車するようなもの」と研究チームは例えている。これまで数十年にわたり、あらかじめ組み込まれた物理方程式と人間の操縦士による補正を組み合わせる手法でドッキングが行われてきたが、今回の研究はこれに代わる新たなアプローチを模索するものだ。
研究チームが採用したのは「ワールドモデル」と呼ばれる機械学習の枠組みだ。ロボット工学やゲームAIの分野ではすでに高い成果を上げている手法だが、宇宙分野への応用はこれまでほとんど例がなかったという。AIは過去の軌道データから、ある行動を取った際に宇宙船の状態がどう変化するかという因果関係を学習し、その学習結果をもとに、実際に操作を行う前に頭の中で何度も”予行演習”を繰り返す。研究チームはこの仕組みを、人間が眠っている間に記憶を整理し新しいスキルを身につける「夢」になぞらえている。
この手法が実用化されれば、協調的に動く相手の宇宙船だけでなく、姿勢が制御できない状態にある非協力的な宇宙機とのランデブーにも応用できる可能性があるという。故障や燃料切れで漂流する衛星への接近・捕獲、あるいはスペースデブリ(宇宙ごみ)の除去といった、従来は極めて難易度の高かった運用にも道を開く技術として期待される。ロシアの無人補給船が定期的にISSへ結合するような従来型のドッキングでも、精密な自動制御が欠かせないことを踏まえると、AIによる予測精度の向上は運用の安全性向上にも直結しうる。
現時点での成果はシミュレーション環境での検証にとどまっており、実際の宇宙船への搭載にはさらなる検証が必要とみられる。研究チームは今後、より現実的な軌道条件やセンサーノイズを織り込んだ検証を重ね、将来の自律型ランデブー・ドッキング技術への応用可能性を探っていく方針だという。
出典: Universe Today「Stanford Engineers Teach Spacecraft to “Dream” Their Way to the Space Station」(2026年9月24日)