Дослідження, проведене членами ЄКА – Advanced Concepts Team спільно з Micro Air Vehicle Laboratory, MAVLab, TUDelft (Делфтського технологічного університету (Корея)) .

Завдяки довгостроковій співпраці розглядається можливість використання нейронних мереж, які можна навчати, для автономного контролю над усіма видами складних маневрів космічних кораблів, таких як міжпланетні переміщення, посадки на поверхні та стикування.

У космосі всі бортові ресурси повинні використовуватися якомога ефективніше, включаючи паливо, доступну енергію, обчислювальні ресурси та час. Такий нейромережевий підхід міг би забезпечити оптимальні бортові операції, підвищити автономність і надійність місії. Вченим потрібен був спосіб перевірити це в реальному світі, перед плануванням реальних космічних місій. Тоді вони зупинилися на безпілотниках які використали в  ідеальному середовищі в середовищі для тестування наскрізних нейронних архітектур на реальних роботизованих платформах, щоб підвищити впевненість у їх майбутньому використанні в космосі.

Традиційний спосіб здійснення маневрів космічного корабля полягає в тому, що вони детально плануються на землі, а потім завантажуються на космічний корабель для виконання. Проте космічне середовище непередбачуванне, у ньому можливі нештатні ситуації та перешкоди – гравітаційні коливання, атмосферна турбулентність або планетарні тіла, форма яких, як виявляється, відрізняється від наземного моделювання.

Щоразу, коли космічний корабель з будь-якої причини відхиляється від запланованого курсу, його система управління працює, щоб повернути його до визначених параметрів. Проблема полягає в тому, що такий підхід може бути досить затратним з точки зору ресурсів, вимагаючи енергозатратних дій.

За альтернативу було взято Guidance & Control Networks (наскрізні мережі наведення та контролю), G&C Nets. Підхід включає в себе всі роботи, що відбуваються на космічному кораблі. Замість того, щоб дотримуватися єдиного заданого курсу, космічний корабель постійно переплановує свою оптимальну траєкторію, починаючи з поточної позиції, в якій він опинився, що виявляється набагато ефективнішим.

Щоб бути оптимальним, G&CNet повинен мати можливість надсилати команди безпосередньо до приводів. Для космічного корабля це двигуни, а у випадку безпілотників – гвинти.

Головна проблема, з якою зіштовхнулись дослідники – перенести G&CNet на безпілотники, – це розрив між приводами в симуляції та в реальності. Цього досягли визначаючи розрив реальності під час польоту та навчаючи нейронну мережу справлятися з ним. Наприклад, якщо гвинти дають меншу тягу, ніж очікувалося, дрон може помітити це за допомогою своїх акселерометрів. Потім нейронна мережа відновить команди, щоб слідувати новому оптимальному шляху.