Amazons SageMaker AI er ved at forvandle måden, rumagenturer behandler de enorme datamængder, der genereres under rumfartsmissioner. Virksomheden annoncerede den 26. juni 2025, at dens Random Cut Forest (RCF)-algoritme nu anvendes af NASA og Blue Origin til at opdage afvigelser i dynamiske data fra rumfartøjer på månemissioner.
Samarbejdet fokuserer specifikt på analyse af data fra NASA og Blue Origins demonstration af månelandingssensorer (BODDL-TP). Denne usuperviserede maskinlæringsalgoritme identificerer usædvanlige mønstre i data om rumfartøjets position, hastighed og quaternion-orientering, som kan indikere kritiske øjeblikke under rumoperationer.
"Disse afvigelser repræsenterer sandsynligvis rumfartøjets dynamik i nøglemanøvre-faser under demonstration af deorbit, nedstigning og landing," ifølge Amazons tekniske dokumentation. Teknologien kan opdage subtile afvigelser mellem datapunkter og håndtere komplekse sammenhænge mellem flere parametre, hvilket gør den særligt værdifuld til overvågning af rumfartøjer.
Implementeringen benytter Amazons cloud-infrastruktur, hvor missionsdata lagres i S3-buckets og behandles via SageMaker AIs JupyterLab-miljø. Ingeniører træner RCF-modellen med historiske missionsdata og udruller den derefter til et skalerbart endpoint for løbende detektion af afvigelser.
Partnerskabet kommer på et afgørende tidspunkt for Blue Origin, der forbereder opsendelsen af sin Blue Moon Mark 1-månelander senere i år. De indsigter, der opnås gennem detektionen af afvigelser, kan vise sig afgørende for missionens succes, i takt med at både NASA og kommercielle rumvirksomheder forfølger stadig mere ambitiøse mål for udforskning af månen.
Ved at identificere afvigende datapunkter, som ellers kunne overses i den eksplosivt voksende mængde telemetridata fra rumfartsmissioner, hjælper Amazons AI-teknologi med at forbedre overvågning af rumfartøjers tilstand, ingeniørdesign og planlægning af fremtidige rumfartsmissioner.