En el ámbito aeroespacial, la XAI (Inteligencia Artificial Explicable) se ha convertido en un pilar clave para garantizar la transparencia, confiabilidad y seguridad de sistemas autónomos en entornos altamente críticos. Diversos proyectos han demostrado cómo la explicabilidad permite validar modelos complejos y facilitar su integración en misiones espaciales. Entre los más relevantes destacan:

• MILAN: Proyecto en colaboración con VAONIS, enfocado en el procesamiento de imágenes astronómicas mediante IA. Se aplicaron técnicas de XAI como la atribución basada en conceptos y la destilación de conocimiento para mejorar la interpretación de los modelos, incluso en dispositivos con recursos limitados.
• INSYS: Desarrollado por la Universidad de Bremen y el Centro Alemán de Investigación en IA, creó sistemas multimodales explicables para el monitoreo de misiones espaciales. Se implementaron mecanismos para detectar y explicar anomalías, asegurando decisiones confiables en tiempo real.
• SAFEXPLAIN: Proyecto europeo destinado a la certificación de sistemas autónomos basados en Deep Learning en sectores como el espacio. Utiliza XAI en todas las fases del ciclo de vida del sistema (desarrollo, validación y operación) para mejorar la comprensión, trazabilidad y confianza en los algoritmos de visión utilizados, por ejemplo, en el acoplamiento de naves espaciales.