宇宙ロボット工学には、精密な軌道力学と堅牢な自律メンテナンスプロトコルの厳格なバランスが求められます。現代のAIは、キネマティクスの検証、微小重力環境のシミュレーション、軌道計算の最適化において不可欠なパートナーへと進化しました。
これらのプロンプトは、ChatGPT、Gemini、Claude、DeepSeekを含むすべての主要なAIアーキテクチャで厳格にテストおよび最適化されています。複雑な論理に強いDeepSeekや、技術的なニュアンスの処理に長けたClaudeなど、各モデルには独自の利点がありますが、これら10個のプロンプトは、シミュレーションのワークフローを加速させ、ミッションの信頼性を高めようとする宇宙ロボット工学エンジニアにとって、汎用的で高性能な基盤となります。
1. 軌道状態ベクトルの伝播用Pythonスクリプトの生成
推奨モデル: DeepSeek（数学的に高密度なコードやアルゴリズム論理の生成に最適）
シニアGNC（誘導・航法・制御）エンジニアとして振る舞ってください。'poliastro'と'astropy'ライブラリを使用して、メンテナンス衛星の軌道状態ベクトルを伝播させるPythonスクリプトを書いてください。
入力パラメータ：
- 初期位置ベクトル (r): [X, Y, Z] km
- 初期速度ベクトル (v): [Vx, Vy, Vz] km/s
- 伝播時間: 48時間
- 考慮する摂動：J2帯状調和関数および大気抵抗
スクリプトは最終的な状態ベクトルを出力し、3Dのmatplotlibグラフで軌跡をプロットする必要があります。使用した数値積分法を説明するために、コード内に詳細なコメントを付けてください。
メリット: 軌道減衰やポジショニングの可視化ツールを迅速に作成でき、ボイラープレートコードを一から書くことなく軌道予測の仮説を検証できます。
2. 7自由度ロボットアームの逆運動学
推奨モデル: ChatGPT（標準的なロボット工学アルゴリズムや制御理論の解説に強い）
サービス衛星に搭載された7自由度（7-DOF）ロボットマニピュレータの制御アルゴリズムを設計しています。ヤコビ行列転置法を用いた逆運動学（IK）の数式モデルを提示してください。
数式を導出した後、高精度なドッキング操作中にエンドエフェクタがロックしないよう、特異点回避アルゴリズム（例：減衰最小二乗法）を実装する擬似コードを作成してください。
メリット: マニピュレータ制御の数学的セーフティネットを提供し、重要な近傍運用中にロボットアームがスムーズに機能することを保証します。
3. アクチュエータの故障モード影響解析（FMEA）
推奨モデル: Claude（長いコンテキストウィンドウの処理能力に優れ、ニュアンスを含んだ安全で構造化された技術文書の生成に適している）
宇宙ステーションのロボットアーム関節に使用されるハーモニックドライブアクチュエータについて、詳細な故障モード影響解析（FMEA）を実施してください。
以下の運用上のハザードに焦点を当ててください。
1. 潤滑剤の真空溶着（冷間溶着）
2. 放射線によるセンサの劣化
3. 熱膨張による焼き付き
出力は、故障モード、潜在的な原因、局所的な影響、システムへの影響、推奨される緩和策の列を持つMarkdown形式の表にしてください。
メリット: ハードウェアの重大な脆弱性を体系的に特定し、設計の初期段階で冗長性や硬化戦略の優先順位を決定できます。
4. 異常検知のためのテレメトリデータの解析
推奨モデル: Gemini（構造化されたデータパターンの分析や、複雑なデータセットからの洞察の統合に理想的）
あなたは、ロボットグラップルフィクスチャからの生テレメトリログを分析する運用支援エンジニアです。2時間にわたるモータ電流値（アンペア）と関節温度（摂氏）のサンプルデータセットを提供します。
データの相関関係を分析してください。特に、コマンドや負荷に対応しない電流の増加である「ファントムトルク」のスパイクを探してください。低軌道（LEO）環境において、このような異常の考えられる根本原因を3つ提案してください。
メリット: 生のセンサノイズを実行可能な診断データに変換し、センサの不具合と実際の機械的劣化を区別するのに役立ちます。
5. ホーマン遷移ウィンドウのシミュレーション
推奨モデル: DeepSeek（物理ベースの問題解決に長け、計算のハルシネーションを最小限に抑える）
高度400kmの円軌道（LEO）から高度35,786kmの静止軌道（GEO）へのホーマン遷移に必要なデルタV（ΔV）を計算してください。
標準的なインパルス噴射を想定し、以下を詳細に示してください。
1. 初期噴射（近地点）のデルタV
2. 円軌道投入噴射（遠地点）のデルタV
3. 必要な総デルタV予算
4. 飛行時間（遷移時間）
ビズ・ビバ方程式を用いた計算に使用したすべての支配方程式を表示してください。
メリット: 軌道上昇マニューバの燃料予算見積もりを検証し、複雑なミッション計画ソフトウェアに対する迅速なクロスチェックとして機能します。
6. 衝突回避ロジックの設計
推奨モデル: Claude（安全性に関わる論理のドラフト作成や意思決定ツリーの解説に優れている）
フリーフライング型点検ドローン用の自律衝突回避マニューバ（CAM）システムの論理フローをドラフトしてください。ドローンはターゲット衛星に接近しています。
以下の条件に基づく「安全退避（Safe Retreat）」トリガーの決定ツリーを定義してください。
1. LiDARレンジデータの品質が信頼しきい値を下回った場合
2. 相対速度が安全限界（0.5 m/s）を超えた場合
3. ホストステーションとの直接通信が途絶した場合
これをC++の状態遷移マシンに実装可能なステップバイステップの論理フローとして提示してください。
メリット: 自律的な近傍運用における堅牢な安全プロトコルを確立し、高価値資産への壊滅的な衝突リスクを最小限に抑えます。
7. 非協力対象に対する把持戦略の最適化
推奨モデル: ChatGPT（多才なエンジニアリングソリューションや機械的概念のブレーンストーミングに最適）
タンブリング（制御不能な回転）状態にある廃止衛星を捕捉するための、3つの異なるエンドエフェクタ把持戦略を提案してください。ターゲットにはグラップルフィクスチャがありませんが、標準的なマーマンクランプバンドとノズルコーンがあります。
各戦略について、以下を評価してください。
1. 機械的な複雑さ
2. 接触時のデブリ発生リスク
3. 制御ループのレイテンシ要件
メリット: デブリ除去やサービスミッションのための多様な機械的アプローチを生成し、最も実行可能なインターフェース機構を選択するのに役立ちます。
8. GNCソフトウェアのユニットテスト作成
推奨モデル: DeepSeek（厳格なコードテストやエッジケースの生成において高い精度を誇る）
ケプラー要素を受け取り、デカルト状態ベクトルを返すPythonクラス `OrbitPredictor` があります。このクラスを検証するための `pytest` フレームワークを使用したユニットテストスイートを書いてください。
以下のテストケースを含めてください。
1. 円赤道軌道（離心率 = 0、軌道傾斜角 = 0）
2. 高楕円なモルニヤ軌道
3. エッジケース：軌道長半径が無効な場合のゼロ除算エラーの処理
メリット: 重要な誘導ソフトウェアの検証を自動化し、コードの更新によって軌道計算にデグレード（先祖返り）が発生しないようにします。
9. ロボット関節の熱制御システム設計
推奨モデル: Gemini（物理、材料、環境など多変数制約の統合に強い）
直射日光下で作動するロボット手首関節のブラシレスDCモータに必要な熱放散量を推定してください。
パラメータ：
- 太陽フラックス: 1361 W/m^2
- 表面材料（陽極酸化アルミニウム）の吸収率: 0.6
- デューティサイクル: 稼働40%、アイドル60%
真空中で対流がないことが、地上用ロボットと比較してヒートシンク設計をどのように変化させるか説明してください。
メリット: 宇宙グレードのアクチュエータの熱的制約を明確にし、長時間の船外活動（EVA）中のオーバーヒートを防止します。
10. 運用概念（ConOps）のドラフト作成
推奨モデル: Claude（プロフェッショナルでハイレベルな戦略文書の構造化においてトップクラス）
軌道上製造（ISM）ミッションの運用概念（ConOps）文書のセクションをドラフトしてください。シナリオは、ロボットアームが外部プラットフォーム上でトラス構造を3Dプリントするというものです。
以下の運用シーケンスを詳細に記述してください。
1. プリント前のキャリブレーションと材料供給チェック
2. 宇宙機の振動によりプリンタノズルがドリフトした場合のリアルタイム誤差修正
3. アーム搭載カメラを使用したプリント後の構造検証
メリット: ミッション計画文書をプロフェッショナルなものにし、すべてのステークホルダーが自律製造シーケンスをステップバイステップで明確に理解できるようにします。
プロのヒント：物理的精度のためのコンテキスト・チェイニング
AIから最も正確な物理シミュレーションを得るには、コンテキスト・チェイニング（Context Chaining）を使用してください。一つのプロンプトで複雑な計算をすべて求めるのではなく、分割して実行します。まず、モデルに「一般的なLEO軌道の定数と環境変数を定義してください」と依頼します。モデルが正しい定数（地球の重力定数、半径など）を出力したら、次に具体的な計算を依頼します。これにより、モデルは計算を解く前に正しい数学的文脈をアクティブメモリにロードすることを強制され、計算エラーを大幅に減らすことができます。
宇宙ロボット工学の分野は、遠隔操作から完全自律へと移行しています。これらのプロンプトを使いこなすことで、手動計算からハイレベルなシステムアーキテクチャへの転換が可能になります。数学にはDeepSeek、安全論理にはClaudeといったモデルごとの強みを活用することで、知的なだけでなく、過酷な軌道環境を生き抜くための弾力性を備えたシステムを構築できます。