Un sistema procedurale per addestrare l’intelligenza artificiale a riconoscere i satelliti
Il progetto ASIMOV ha come scopo il design, lo sviluppo, la verifica e la validazione di un autopilota spaziale per operazioni di mapping di oggetti non cooperativi in orbita terrestre bassa (LEO).
All’interno di questa iniziativa congiunta, il nostro contributo si è concentrato su una sfida specifica e strategica: l’autopilota spaziale intelligente aveva bisogno di dati di addestramento realistici, in quantità potenzialmente illimitata.
Abbiamo risposto costruendo un generatore procedurale di satelliti 3D, cioè un sistema capace di comporre automaticamente configurazioni spaziali verosimili, geometricamente coerenti e industrialmente credibili.
Il progetto
L’esigenza
Ogni configurazione generata doveva rispettare controlli dimensionali rigorosi e criteri di coerenza tra i componenti. Non una semplice combinazione casuale di parti, ma un tool che consentisse di comporre automaticamente configurazioni spaziali coerenti dal punto di vista geometrico, dimensionale e funzionale, mantenendo un elevato grado di variabilità controllata.
Soluzione
Framework configurabile. La soluzione è basata su un framework configurabile tramite fogli di parametri esterni, che permettono di definire regole e vincoli senza intervenire sul codice, garantendo flessibilità e scalabilità. Il processo di generazione è guidato da una characteristic size globale che assicura il rispetto dei limiti dimensionali previsti dallo scenario, mentre corpi centrali e componenti vengono generati entro range controllati e con vincoli geometrici espliciti.
L’evoluzione dell’algoritmo. L’algoritmo si è evoluto verso un approccio component-first, che consente un controllo più diretto sui requisiti dei singoli elementi e una gestione più solida della composizione. Parallelamente, è stato ulteriormente raffinato per rispondere a logiche più vicine alla realtà industriale, introducendo coerenza tra componenti ripetuti, controllo su modelli, dimensioni e orientamento, e il supporto a basi composte.
Più componenti, più variabilità. Infine, abbiamo ampliato la libreria 3D e migliorato il sistema dei materiali per aumentare la variabilità visiva mantenendo qualità e performance.
Un modello replicabile oltre il settore spaziale
Il progetto ASIMOV dimostra che le metodologie del Game Thinking non sono un privilegio del mondo dell’intrattenimento. Sono strumenti di ingegneria applicabili ovunque sia necessario generare ambienti simulati, dataset sintetici o sistemi di training per AI. Se la vostra organizzazione affronta sfide simili – in difesa, robotica, automotive, logistica o formazione – il framework che abbiamo sviluppato per ASI può diventare il punto di partenza per la vostra soluzione.
