ChatGPT продемонстрировал потенциал автономного пилота в космосе

ChatGPT занял второе место в симуляции управления космическим аппаратом, обойдя специализированные автономные системы. Эксперимент показал: большие языковые модели способны выполнять сложные инженерные задачи даже вне своих традиционных областей применения.

В рамках международного соревнования по автономному управлению космическими аппаратами, основанного на симуляторе Kerbal Space Program, исследовательская группа протестировала возможности крупной языковой модели в условиях имитации реального полёта. В центре эксперимента — задача по перехвату спутника с помощью управляемого преследующего аппарата.

Модель, схожая по архитектуре с ChatGPT, получила текстовую инструкцию: «Ты действуешь как автономный агент, управляющий догоняющим космическим аппаратом». На её основе система начала формировать стратегии маневрирования. После серии итераций и точной настройки промптов она сумела обойти большинство конкурентов — специализированных агентов, разработанных под узкие задачи, — и заняла второе место.

Этот результат стал важным аргументом в пользу применения языковых моделей для задач автономной навигации в космосе. В отличие от классических решений, которые требуют длительного обучения, настройки и отладки, LLM работают по принципу мгновенного вывода, используя текстовое описание текущей ситуации и предоставляя решение в виде текстовых рекомендаций. Эти рекомендации затем транслируются в команды, управляющие поведением аппарата в симуляторе.

В рамках конкурса использовались сложные сценарии, включая маневры уклонения, наведение, ориентацию и перехват объектов. Несмотря на ограниченные ресурсы по сравнению с традиционными автономными ИИ-системами, LLM показали не только адаптивность, но и способность к самостоятельной интерпретации физических законов и навигационной логики в игровой, но приближённой к реальности среде.

Авторы разработки подчёркивают, что главной проблемой остаются «галлюцинации» — нежелательные и некорректные выводы, свойственные языковым моделям. В реальных условиях космического полёта такие ошибки могут иметь критические последствия. Однако сам факт успешного выполнения большинства тестов с минимальной корректировкой демонстрирует потенциал подобного подхода в перспективных аэрокосмических разработках.

Соревнование, проходившее в рамках проекта Kerbal Space Program Differential Game Challenge, создавалось как открытая платформа для тестирования и развития автономных систем. Это пространство для экспериментов, где можно исследовать границы возможностей ИИ в контексте физических симуляций — от уклонения до перехвата и ориентации в орбите.

Результаты команды с использованием LLM будут опубликованы в научном журнале Advances in Space Research. Описанный метод может стать основой для следующего поколения автономных агентов, способных самостоятельно управлять спутниками, межпланетными зондами и роботами в условиях, где задержка сигнала делает невозможным участие человека.

Хотя эксперименты пока проходят в симулированной среде, прогресс в этой области указывает на серьёзный сдвиг парадигмы: текстовая ИИ-модель, натренированная на интернет-контенте и естественном языке, способна уверенно ориентироваться в задачах прикладной инженерии. Это открывает возможности для ускоренной разработки автономных решений и повышения надёжности в условиях, где цена ошибки чрезвычайно высока.