⚡ electrical engineering

A Computational Framework for Cross-Domain Mission Design and Onboard Cognitive Decision Support

Dit artikel introduceert een computeraal raamwerk met een 'Autonomie Necessiteitscore' om de noodzaak aan autonomie in zeven verschillende missie-architecturen te kwantificeren en valideert de inzetbaarheid van LLM's als onboard cognitieve besluitvormingslaag die binnen een straling-geharde latentiebudget 80% beslissingsnauwkeurigheid bereikt.

Oorspronkelijke auteurs: J. de Curtò, Adrianne Schneider, Ricardo Yanez, María Begara, Álvaro Rodríguez, Javier López, Martina Fraga, Ignacio Gómez, Arman Akdag, Sumit Kulkarni, Siddhant Nair, Kiyan Govender, Eian Wratchford

Gepubliceerd 2026-04-01

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: J. de Curtò, Adrianne Schneider, Ricardo Yanez, María Begara, Álvaro Rodríguez, Javier López, Martina Fraga, Ignacio Gómez, Arman Akdag, Sumit Kulkarni, Siddhant Nair, Kiyan Govender, Eian Wratchford, Eli Lynskey, Seamus Dunlap, Cooper Nervick, Nicolas Tête, Rocío Fernández, Pablo González, Elena Municio, I. de Zarzà

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De "Autonomie-Noodscore": Hoe slim moeten onze ruimteschepen en onderzeeërs zijn als niemand hen kan redden?

Stel je voor dat je een team van robot-expeditieleden stuurt naar de maan, de diepe oceaan of zelfs naar Titan (een maan van Saturnus). Het probleem? De communicatie met de aarde is niet direct. Het duurt soms minuten, uren of zelfs dagen voordat een berichtje "Ik heb een probleem!" de aarde bereikt en een antwoord "Probeer dit!" terugkomt.

In deze paper beschrijven de auteurs een slimme manier om te berekenen: Hoeveel "hersenen" moet zo'n robot zelf hebben voordat we hem de aarde opsturen?

Hier is de uitleg in gewone taal, met een paar creatieve vergelijkingen:

1. Het Grote Probleem: De Lichte snelheid is de baas

Stel je voor dat je een game speelt met je vriend, maar je zit op het ene eind van de wereld en hij op het andere. Als je zegt "Spring!", duurt het even voordat hij het hoort. Als je vriend een auto stuurt die binnen 1 seconde een afgrond in kan rijden, kun je niet wachten op zijn reactie. Je moet de auto zelf laten beslissen: "Remmen of niet?"

In de ruimte en de diepe oceaan is dit nog erger. De afstand is zo groot dat de snelheid van het licht (de snelste snelheid in het universum) de limiet zet.

Bij de aarde: Je kunt nog wel even bellen met de grond ("Hee, draai links!").
Bij Mars: Het duurt 14 minuten heen en terug. Als een rover in een ravijn valt, is hij al lang kapot voordat je het weet.
Bij Saturnus: Het duurt bijna 5 uur. Je kunt de robot vergeten; hij moet alles zelf doen.

2. De Oplossing: De "Autonomie-Noodscore" (ANS)

De auteurs hebben een nieuwe meetlat bedacht, de Autonomy Necessity Score (ANS).
Stel je dit voor als een thermometer voor zelfstandigheid:

Koude temperatuur (Laag score): De robot kan wachten op instructies van de aarde. Hij is als een pup die op je commando wacht.
Hete temperatuur (Hoge score): De robot moet volledig zelfstandig zijn. Hij is als een volwassen avonturier die alleen de berg op moet zonder contact met de wereld.

Met deze thermometer hebben ze 7 verschillende missies gemeten: van onderzeeërs in de oceaan tot satellieten rond Mars en drijvende boeien op Titan. Ze ontdekten dat sommige missies, die je misschien "niet zo ver" zou denken (zoals onder water), juist heel snel moeten beslissen omdat er geen GPS is, terwijl andere missies ver weg juist langzaam kunnen denken omdat de afstand het probleem is.

3. De 9 "Rekenoefeningen" (De Werkbank)

Om te bewijzen dat hun thermometer werkt, hebben ze 9 verschillende technische berekeningen gedaan voor al die missies. Denk hieraan als een grote keukentest:

De Batterij-test: Ze ontdekten dat een onderzeeër voor mijnopruiming zo zwaar moet zijn (2431 kg batterijen!) dat hij niet kleiner dan 1 meter breed kan zijn. Als hij smaller is, zakt hij onder het gewicht van zijn eigen batterij.
De Zon-test: Bij Mars is er een moment waarop de zon tussen de aarde en Mars staat. Dan werkt de radio niet. Ze berekenden dat de robot van tevoren moet weten: "Oké, straks kan ik niet praten, dus ik moet mijn snelheid vertragen."
De Timing-test: Voor de onderzeeërs bleek dat ze perfect op elkaar moeten synchroon zijn (binnen 41 milliseconden), anders maken ze geen geluid dat lijkt op een schip. De oude regels waren te slordig!

4. De Nieuwe Hulp: De "AI-Dokter" (LLM)

Het meest spannende deel: Ze hebben gekeken of Artificial Intelligence (AI) deze robots kan helpen beslissingen te nemen. Ze hebben drie van de slimste AI-modellen ter wereld (zoals Llama en DeepSeek) getest.

Ze gaven de AI 10 moeilijke situaties (bijvoorbeeld: "De batterij is half leeg, wat doen we?") en keken of de AI het juiste antwoord gaf.

Het resultaat: De beste AI had het in 80% van de gevallen goed.
De snelheid: De AI deed er minder dan 2 seconden over. Dat is snel genoeg om op een stralingsbestendige computer aan boord van een raket te werken.
De waarschuwing: De AI was soms te optimistisch ("We gaan het redden!") of te voorzichtig. Ze moesten dus leren om niet blind te vertrouwen op het zelfvertrouwen van de AI, maar beter een groepje AI's te laten stemmen (zoals een jury).

Conclusie: Waarom is dit belangrijk?

Vroeger keken ingenieurs naar elke missie apart. "Hoe werkt deze Mars-lander?" "Hoe werkt deze onderzeeër?"
Deze paper zegt: "Nee, laten we een universele regelboek maken."

Met hun "Autonomie-Noodscore" kunnen ingenieurs nu precies zien hoeveel slimheid ze in een robot moeten bouwen voordat ze hem de ruimte in sturen. Het is alsof ze een reisgids hebben gemaakt die zegt: "Voor deze bestemming heb je een GPS nodig, voor die andere een kompas, en voor die laatste gewoon een flinke portie geluk en zelfredzaamheid."

Dit helpt ons om toekomstige missies naar de diepe ruimte veiliger, slimmer en goedkoper te maken, omdat we precies weten wat we nodig hebben voordat we vertrekken.

Titel

Een computationeel raamwerk voor missieontwerp over domeinen heen en aan boord cognitieve besluitvormingsondersteuning.

1. Het Probleem

De ontwikkeling van gedistribueerde autonome systemen voor operaties buiten betrouwbare grondcontact (zoals in lage Aarde-omloopbanen, op Mars, onder water of in de diepe ruimte) staat voor een fundamentele spanning: naarmate de communicatielatency (heen- en terugreis) toeneemt, krimpt het aantal beslissingen dat aan grondoperatoren kan worden gedelegeerd.

Huidige uitdaging: Bestaande literatuur behandelt dit probleem voornamelijk via analyse van individuele missies (bijv. alleen orbitalmechanica of alleen betrouwbaarheid). Er ontbreekt een unificerend raamwerk om te kwantificeren hoeveel autonomie een missie daadwerkelijk vereist en om heterogene systemen op een gemeenschappelijke schaal te vergelijken.
Gevolg: Zonder dit inzicht kunnen systemen engineers ofwel grondverbindingen over-dimensioneren (wat massa en vermogen verspillen) ofwel onboard besluitvorming onder-dimensioneren (wat het risico op missiefalen vergroot bij tijdkritieke gebeurtenissen).

2. Methodologie

De auteurs introduceren een gestructureerde aanpak die bestaat uit drie hoofdblokken:

De Autonomie Necessity Score (ANS):
Dit is een dimensieloze, logaritmische metriek die de mate van verplichte autonomie kwantificeert op basis van de fysica (lichtsnelheid en geometrie). De formule is:
$ANS(\tau) = \min\left(1, \frac{\log_{10}(\tau + 1)}{5}\right)$
Waarbij $\tau$ de round-trip communicatielatency in seconden is. Een lage ANS (bijv. 0,06) betekent dat grondcontrole mogelijk is; een hoge ANS (bijv. >0,7) betekent dat het systeem volledig autonoom moet opereren.
Zeven Heterogene Missie-architecturen:
Het raamwerk wordt gevalideerd op zeven verschillende missies die een breed scala aan latency's bestrijken (van sub-seconden tot bijna 3 uur):
1. SCOPE & H.S.A.D.S.: Aarde-LEO satellietconstellaties voor hypersonische tracking (ANS ≈ 0,06).
2. AHMS: Een zwerm van 5 autonome onderwatervoertuigen (AUV's) voor mijnenvegen (ANS ≈ 0,008).
3. MarsNav & MOC/EDL: Mars-navigatie en Entry, Descent, and Landing (ANS ≈ 0,585).
4. ChipSat: Een 100-knopen zwerm voor inter-satellietcommunicatie nabij Jupiter (ANS ≈ 0,743).
5. Titan: Drijvende boeien in Kraken Mare op Titan (ANS ≈ 0,796).
Negen Onafhankelijke Computationele Studies:
Voor elke missie worden negen technische modules uitgevoerd (geïmplementeerd in Python), waaronder:
- Walker-sferische kap-dekking.
- Infrarooddetectie (Neyman-Pearson optimalisatie).
- State-estimation met Extended Kalman Filters (EKF).
- Link-budget analyse (RF en akoestisch).
- Vermogensbudgettering (zonnepanelen, RTG, batterijen).
- Betrouwbaarheidsmodellering met Arrhenius-correctie voor cryogene omgevingen.
LLM-evaluatie (AMDS):
Op basis van de fysica-gedreven resultaten wordt een Autonomous Mission Decision Support (AMDS) laag getest. Drie foundation modellen (Llama-3.3-70B, DeepSeek-V3, Qwen3-A22B) worden live bevraagd via de Nebius AI Studio API over 10 gestructureerde anomalie-scenario's. De prestaties worden gemeten op besluitnauwkeurigheid, betrouwbaarheid en latency.

3. Belangrijkste Bijdragen

Het ANS-raamwerk: Een unificerende, fysica-gedreven metriek om de autonomie-eisen van elke missiephase te kwantificeren en te vergelijken.
Cross-domein Validatie: De eerste systematische vergelijking van zeven verschillende missietypes (van onderwater tot diepe ruimte) met negen technische studies, wat leidt tot nieuwe inzichten die bij enkel-missie-analyse onopgemerkt zouden blijven.
LLM als Onboard Cognitieve Laag: Een empirische evaluatie van Large Language Models voor real-time besluitvorming in ruimtevaarttoepassingen, met een focus op latency en nauwkeurigheid tegenover fysieke grondwaarheid.

4. Resultaten

Technische Ontwerprichtlijnen (uit de 9 studies):

Onderwater (AHMS): De batterijmassa (2431 kg) dicteert een minimale rompdoorsnede van 1,0 meter. Een kleinere romp (0,5 m) is fysiek onhaalbaar door het vermogensbudget.
Mars Communicatie: Tijdens een zonneconjunctie faalt de X-band link (margin -1,5 dB). De studie toont aan dat een datarate-verlaging van 64 kbps naar 4 kbps noodzakelijk is om de link te herstellen; dit moet autonoom gebeuren omdat grondinstructies te laat aankomen.
Tijdsynchronisatie: Voor de AHMS-akoestische imitatie moet de timingnauwkeurigheid worden verscherpt van ≤100 ms naar ≤41 ms (factor 2,4) om coherentie te behouden.
Betrouwbaarheid: Voor Titan-buoy-elektronica bij 94 K is thermische uitval verwaarloosbaar; mechanische cryo-schade is de dominante faalfactor.

LLM Prestaties (AMDS):

Nauwkeurigheid: Het beste model (Llama-3.3-70B) bereikte 80% besluitnauwkeurigheid tegenover de fysiek correcte grondwaarheid, significant beter dan een conservatieve baseline (0%).
Latentie: Alle 180 inferentieoproepen werden binnen een gemiddelde van 1,96 seconden voltooid, wat binnen het budget van 2 seconden voor straling-geharde randapparatuur valt.
Kalibratie: De betrouwbaarheidsscores (confidence) van de modellen waren slecht gekalibreerd (bijna vlak), wat betekent dat de "zekerheid" van het model niet kan worden gebruikt als proxy voor de juistheid van het antwoord.
Foutpatronen: Modellen faalden bij complexe kwantitatieve trade-offs (bijv. het negeren van een klokdrift omdat de correctie te lang duurt) en vertoonden soms een optimistische bias bij vermogensproblemen.

5. Betekenis en Conclusie

Dit artikel levert een fundamentele bijdrage aan de systeemengineering van ruimtevaart en autonome systemen door:

Een standaardisatie te bieden voor het vergelijken van autonomie-eisen over verschillende domeinen heen.
Aan te tonen dat foundation modellen (LLM's) potentieel inzetbaar zijn als een onboard cognitieve laag voor missies met hoge latency, mits ze worden gebruikt in een ensemble (meerderheidsstemming) en met strikte deterministische sampling (lage temperaturen).
Het identificeren van kritieke ontwerprichtlijnen die alleen zichtbaar worden door cross-missie analyse (zoals de batterij-massa grens en de noodzaak van autonome link-rate aanpassing).

De auteurs concluderen dat de toekomstige ontwikkeling moet gericht zijn op het uitbreiden van de scenario's, het integreren van retrieval-augmented generation (RAG) met missieparameters om kwantitatieve fouten te verminderen, en het uitbreiden van het ANS-raamwerk naar multi-hop relay-architecturen.