你如何测量一块太空垃圾的三维旋转和三维平移，以便捕获卫星能够实时捕捉到它，以便成功地将其从地球轨道上移除？深度学习算法将扮演什么角色？那么，什么是太空中的实时？这些都是由EPFL的子公司ClearSpace领导的一个开创性项目正在解决的一些问题，该项目旨在开发捕获和清除空间碎片的技术。

随着34000多件垃圾在地球轨道上运行，它们的清除正成为一个安全问题。本月早些时候，一颗旧的苏联帕鲁斯导航卫星和一枚中国长征4c火箭发生了一次险情。9月，国际空间站进行了一次演习，以避免可能与一块未知的太空碎片相撞，而国际空间站第63远征队的机组人员靠近了他们的联盟MS-16飞船为可能的撤离做准备。随着越来越多的垃圾不断堆积，卫星碰撞可能变得司空见惯，使进入太空变得危险。

ClearSpace-1是该公司定于2025年执行的首个任务，它将涉及回收现已过时的Vespa上部，这是一个在地球上空660公里处运行的有效载荷适配器，曾经是欧洲航天局Vega火箭的一部分，以确保它重新进入大气层并以可控方式燃烧。

首先的挑战之一是使捕获火箭的机械臂能够从正确的角度接近Vespa。为了达到这个目的，它将使用一个附加的摄像头，它的眼睛可以找出太空垃圾在哪里，这样它就可以抓住Vespa，然后把它拉回到大气中。”一个中心的焦点是开发深度学习算法，以可靠地从视频序列中估计出目标的6D姿态（3个旋转和3个平移），虽然在太空拍摄图像是很困难的一件事，它们可以被许多镜面一样的表面过度曝光或曝光不足，”Mathieu Salzmann说，他是EPFL计算机与通信科学学院（School of Computer and Communication Sciences）的Pascal Fua教授， EPFL计算机视觉实验室内的一位科学家。

然而，有一个陷阱。七年来没有人真正见过Vespa，因为它在太空中一直在真空中旋转。我们知道它直径大约2米，碳纤维是黑色的，有点发亮，但这仍然是它看起来的样子吗？

EPFL的逼真图形实验室模拟了这片太空垃圾的样子，作为‘训练材料’帮助深度学习算法随着时间的推移而不断改进。”我们正在制作一个目标物体合成图像的数据库，包括从高光谱卫星图像重建的地球背景，以及Vespa上层的详细三维模型。这些合成图像是基于对铝和碳纤维板的真实材料样本的测量，这些样本是用我们实验室的角光度计获得的。实验室负责人助理教授温泽尔·雅各布（Wenzel Jakob）说：“这是一个大型机器人装置，可以绕着测试样本旋转，同时从多个不同的方向对其进行照明和观察，为我们提供了大量关于材料外观的信息。

第三个挑战将是需要在太空中工作，在太空中实时工作，只能在ClearSpace捕获卫星上使用有限的计算能力。“由于空间中的运动是良好的，姿态估计算法可以填补间隔1秒的识别之间的空白，减轻了计算压力。然而，为了确保它们能够自主地处理任务中的所有不确定性，这些算法非常复杂，以至于它们的实现需要从平台资源中占用所有性能，”ESL负责人David Atienza教授说。

很明显，在这样恶劣的、相对未知的条件下设计100%可靠算法，并且使用有限的计算资源实时执行，这是一个巨大的挑战。对萨尔兹曼来说，这是该项目吸引人的一部分，“我们需要绝对可靠和稳健。从研究的角度来看，你通常对90%的成功感到满意，但这是我们在实际任务中是无法承受这个结果的。但也许这个项目更令人兴奋的方面是我们正在开发一种最终能在太空工作的算法。我觉得这真是太棒了，这也是我每天的动力！”

这项开创性的工作得到了微软初创团队的支持，他们提供了Azure处理能力。