Un team di ricerca della Julius-Maximilians-Universität Würzburg ha completato il trenta ottobre 2025 tra le undici e quaranta e le undici e quarantanove ora dell'Europa centrale la prima manovra satellitare in orbita controllata interamente da intelligenza artificiale. Il test si è svolto a bordo del nanosatellite InnoCube, piattaforma da tre unità sviluppata in collaborazione con la Technische Universität Berlin. L'agente AI ha eseguito autonomamente una manovra completa di assetto utilizzando ruote di reazione, portando il satellite dall'orientamento iniziale a una configurazione target specificata senza alcun intervento umano. Nei test successivi, il sistema ha ripetuto con successo l'operazione, dimostrando affidabilità operativa in condizioni reali.
Il risultato segna una svolta per il progetto LeLaR, acronimo di In-Orbit Demonstrator for Learning Attitude Control, finanziato dal luglio 2024 dal Ministero federale tedesco per gli affari economici e l'energia con circa quattrocentotrentamila euro. Il team guidato da Kirill Djebko, Tom Baumann, Erik Dilger e i professori Frank Puppe e Sergio Montenegro ha superato una delle sfide più critiche nell'applicazione dell'AI ai sistemi spaziali: il gap Sim2Real, la persistente difficoltà che emerge quando sistemi addestrati in simulazioni perfettamente modellate falliscono nell'operare in situazioni reali complesse.
I controllori di assetto tradizionali stabilizzano i satelliti in orbita impedendo loro di ruotare in modo incontrollato. Vengono utilizzati anche per puntare veicoli spaziali in direzioni desiderate, allineando camere, sensori o antenne verso obiettivi specifici. Lo sviluppo di questi controllori con algoritmi fissi richiede tipicamente una lunga regolazione manuale dei parametri da parte degli ingegneri, processo che può richiedere mesi o anni. Il controller di Würzburg utilizza invece un approccio di Deep Reinforcement Learning, branca del machine learning in cui una rete neurale apprende autonomamente la strategia di controllo ottimale attraverso sessioni di addestramento basate su prove ed errori in un ambiente simulato.
I ricercatori hanno creato un ambiente di simulazione ad alta fedeltà che replica strettamente le proprietà fisiche e i vincoli operativi del satellite InnoCube. Attraverso un addestramento rigoroso in questo framework virtuale, il controller AI ha imparato a rispondere intelligentemente a varie condizioni orbitali, disturbi e dinamiche delle ruote di reazione. Solo dopo una validazione approfondita il modello addestrato è stato caricato sull'hardware di volo del satellite, dove ha dimostrato reattività, precisione e robustezza notevoli nell'ambiente imprevedibile della microgravità.
InnoCube stesso rappresenta una piattaforma sperimentale per tecnologie spaziali emergenti. Una delle innovazioni a bordo è il sistema wireless SKITH, acronimo di Skip The Harness, che sostituisce i cablaggi convenzionali con comunicazione dati wireless. Le architetture tradizionali dei veicoli spaziali sono gravate da cavi estesi per la trasmissione di energia e dati, che aggiungono peso e potenziali punti di guasto. SKITH riduce significativamente la massa e aumenta l'affidabilità del sistema, esemplificando un approccio olistico allo sviluppo di satelliti autonomi progettati per prosperare in ambienti spaziali sempre più complessi.
La dimostrazione apre prospettive concrete per le missioni nello spazio profondo, dove gli interventi di assistenza controllati dall'uomo sono spesso impossibili a causa delle grandi distanze o dei ritardi di comunicazione. Le sonde interplanetarie destinate ai luoghi più remoti del Sistema Solare potranno affidarsi all'AI per modificare autonomamente la propria traiettoria senza dipendere dai controllori di Terra. Kirill Djebko ha dichiarato che si tratta della prima prova pratica al mondo che un controllore di assetto satellitare addestrato utilizzando Deep Reinforcement Learning può funzionare con successo in orbita. Tom Baumann ha sottolineato che il test dimostra come l'AI non solo funzioni in simulazione ma esegua anche manovre precise e autonome in condizioni reali.
Erik Dilger ha affermato che questo successo motiva il gruppo a estendere la tecnologia a nuovi scenari. Il test in orbita stabilisce l'Università di Würzburg come pioniera nei sistemi spaziali guidati dall'AI e pone le fondamenta per missioni nello spazio profondo che si basano su sistemi intelligenti e auto-apprendenti. Il prossimo obiettivo è costruire su questo vantaggio iniziale, determinando con precisione massima le traiettorie ottimali che le sonde interplanetarie potranno seguire.
Alla fine, questo momento non riguarda solo un satellite che ruota nello spazio seguendo istruzioni apprese. Rappresenta il passaggio da macchine che eseguono comandi a macchine che decidono autonomamente. E pone una domanda che nessun simulatore può risolvere anticipatamente: cosa succede quando l'intelligenza artificiale smette di essere uno strumento guidato e diventa il pilota.