ChatGPT a démontré d’excellentes performances lors d’un récent test de pilotage de vaisseau spatial dans le cadre du programme Kerbal Space Program Differential Game Challenge, la première évaluation du genre pour les grands modèles de langage (LLM). Après avoir converti les réponses textuelles des modèles en code fonctionnel pour le pilotage autonome d’un vaisseau hypothétique, celui d’OpenAI a remporté la seconde place parmi les plus performants.
Les LLM constituent une avancée importante en matière d’IA et s’intègrent désormais à un large éventail de secteurs, de la génération de textes à la programmation informatique, en passant par la médecine et la recherche scientifique. Au cours des dernières années, les LLM sont passés de simples applications textuelles servant d’assistants pour des tâches spécifiques à de véritables agents virtuels polyvalents capables d’exécuter diverses missions selon le contexte.
Cette évolution leur a permis de gagner en autonomie et d’accomplir des tâches auparavant confiées à des systèmes logiciels spécialisés. Ces développements dépassent d’ailleurs le seul cadre des applications logicielles grâce à leur intégration dans des systèmes robotiques autonomes.
La technologie est désormais explorée comme une alternative pour le pilotage et la navigation spatiale autonome. En effet, le nombre de satellites en orbite devrait croître considérablement dans les décennies à venir, au point qu’il sera sans doute impossible de les contrôler manuellement. D’autre part, les contraintes propres à l’exploration spatiale longue durée rendent le contrôle en temps réel impraticable. Les systèmes de contrôle autonome, comme l’IA, sont envisagés comme une alternative pour pallier ces limitations.
Inspiré du jeu vidéo populaire Kerbal Space Program, le Kerbal Space Program Differential Game Challenge (KSPDG) a été lancé pour encourager l’innovation dans ce domaine. Il constitue une sorte de terrain d’expérimentation permettant à la communauté du développement spatial de tester différentes approches dans un environnement virtuel conçu pour être aussi réaliste que possible.
Lors d’un concours organisé dans ce cadre, des équipes de chercheurs se sont affrontées pour évaluer la capacité d’un modèle d’IA à piloter un vaisseau spatial. « Nous avons développé une solution entièrement basée sur les LLM pour le défi KSPDG, un concours public de conception logicielle où les participants créent des agents autonomes chargés de manœuvrer des satellites dans des opérations spatiales non coopératives, en s’appuyant sur le moteur de jeu KSP », explique l’une des équipes dans une étude récemment publiée dans la revue Advances in Space Research, où elle décrit ses résultats.
Des modèles flexibles, ajustables selon le contexte
Le défi KSPDG est constitué de plusieurs scénarios simulés, tels qu’une mission de poursuite dans l’espace, l’interception d’un satellite ou une mission d’évasion. Pour ce concours, l’équipe internationale codirigée par le Massachusetts Institute of Technology (MIT) a sélectionné des LLM commerciaux : GPT, l’un des modèles d’OpenAI, et LLaMA, développé par Meta.
L’équipe a privilégié les LLM car les approches classiques de développement de systèmes de guidage autonome nécessitent de longs cycles d’entraînement et d’ajustement. Or le défi Kerbal est conçu pour proposer des simulations de missions ne durant que quelques heures, rendant difficile l’affinage en temps réel.
À l’inverse, les LLM, déjà entraînés sur d’importants volumes de données, n’ont besoin que de quelques ajustements rapides et essais supplémentaires pour s’adapter à leur contexte d’utilisation. « L’IA et l’apprentissage automatique, en particulier l’apprentissage par renforcement (RL), offrent des solutions plus adaptatives en optimisant les politiques de contrôle grâce à l’interaction avec l’environnement », expliquent les chercheurs dans leur article. « Cette étude utilise GPT pour sa simplicité d’utilisation et LLaMA pour son soutien communautaire et sa flexibilité open source », ajoutent-ils.
Pour adapter les LLM au pilotage d’un vaisseau spatial, les chercheurs ont conçu une méthode consistant à traduire l’état et les objectifs du véhicule sous forme textuelle. Ces descriptions étaient ensuite soumises aux LLM afin d’obtenir des recommandations sur les trajectoires et les manœuvres optimales. Un système annexe se chargeait ensuite de convertir ces réponses en code fonctionnel pour piloter le véhicule.
« Notre approche s’appuie sur l’ingénierie rapide, l’invite à faible nombre de coups et des techniques de réglage fin pour créer un agent efficace basé sur les LLM », précisent les experts. « À notre connaissance, ce travail est pionnier dans l’intégration des agents LLM dans la recherche spatiale », affirment-ils.
La seconde place du concours de pilotage autonome remportée par GPT
Après une série d’invites et quelques ajustements techniques, les modèles ont relevé les défis avec succès, GPT remportant la seconde place du concours. La première place a été attribuée à un modèle fondé sur des équations plus complexes. Mais étant donné que les tests ont eu lieu avant la sortie des dernières versions des LLM d’OpenAI, il est probable qu’il soit aujourd’hui possible d’obtenir des résultats encore meilleurs.
Ces avancées laissent entrevoir une exploration spatiale longue durée confiée à des systèmes robotisés autonomes plus réalistes qu’on ne l’imaginait. Toutefois, il faut rappeler que même les meilleurs modèles de LLM restent sujets aux « hallucinations », ce qui pourrait s’avérer hautement problématique en situation réelle. Les ingénieurs devront sans doute surmonter ce problème persistant avant de pouvoir confier à l’IA des missions aussi sensibles que le pilotage de vaisseaux spatiaux.