Budúce planetárne rovery sa môžu rozhodnúť samy

Koncepčný obrázok ExoMars Rover

Koncepčný obrázok rovera ExoMars, ktorý sa vyvíja pre misiu na Mars v roku 2018. (Obrazový kredit: ESA)



Je horúci letný deň a vaše oči vidia vpredu vozík so zmrzlinou. Bez toho, aby ste sa poriadne zamysleli, začnete kráčať tým smerom. Planetárni vedci by chceli robotom poskytnúť tento druh vizuálneho rozpoznania-nie na získanie zmrzliny, ale na nájdenie vedecky zaujímavých cieľov.

V súčasnej dobe rovery a iné vesmírne vozidlá sú stále do značnej miery závislé na príkazoch svojich ľudských ovládačov späť na Zemi. Na to, aby sa operátori rozhodli, aké príkazy majú odoslať, musia počkať, kým od kozmickej lode dostanú obrázky a ďalšie súvisiace informácie. Pretože rovery nemajú výkonné antény, tento takzvaný downlink zvyčajne zaberie veľa času.

Úzke miesto znamená, že vozítka často „krútia palcom“ medzi nasledujúcimi príkazmi.



'Našim cieľom je vytvoriť inteligentné nástroje, ktoré dokážu v rámci každého príkazového cyklu urobiť viac,' hovorí David Thompson z Laboratória prúdového pohonu v Pasadene v Kalifornii.

Thompson riadi projekt s názvom TextureCam, ktorý zahŕňa vytvorenie balíka počítačového videnia, ktorý dokáže mapovať povrch identifikáciou geologických prvkov. Primárne je plánovaný pre rover, ale mohol by byť aj prospešný kozmická loď navštevujúca asteroid alebo aerobot vznášajúci sa v atmosfére ďalekého sveta. [ Kuriozita - SUV modelu Mars Rovers ]

Thompsonov tím s finančnými prostriedkami Astrobiologickej vedy a technológie pre skúmanie planét NASA (ASTEP) v súčasnosti zdokonaľuje svoj počítačový algoritmus s prípadným plánom postaviť prototyp prístroja, ktorý by dokázal zmapovať astrobiologicky relevantné miesto v teréne.



Analýza obrazu Marsu pomocou TextureCam dokáže rozlíšiť skaly od pôdy.

Analýza obrazu Marsu pomocou TextureCam dokáže rozlíšiť skaly od pôdy.(Obrazový kredit: NASA/JPL/Caltech/Cornell)

Túlať sa, túlať sa



Rovery už urobili veľký pokrok v oblasti autonómie. Súčasné prototypy môžu cestovať až kilometer samostatne pomocou palubného navigačného softvéru. To umožňuje týmto vozidlám pokryť oveľa väčšie územie.

Ale jedna starosť je, že rover môže doslova prejsť potenciálne cenným kusom vedeckej nehnuteľnosti a ani si to neuvedomiť. Poskytnutie roverovi základných funkcií vizuálnej identifikácie by mohlo pomôcť vyhnúť sa chýbaniu „ihly v kope sena“, ako Thompson odkazuje na skryté stopy, ktoré astrobiológovia dúfajú, že odhalia na iných planétach.

'Ak môže rover robiť jednoduché rozdiely, môžeme urýchliť prieskum,' hovorí. Pri jazde mohol rover nasnímať niekoľko obrázkov a pomocou palubného softvéru určiť, ktoré obrázky sa majú previesť na Zem.

A pri čakaní na ďalší súbor príkazov by mohol vybrať potenciálne zaujímavú geologickú funkciu a potom sa priblížiť, aby urobil podrobný obrázok alebo dokonca vykonal jednoduchú chemickú analýzu.

'Ďalší deň môžete začať tým, že nástroj budete mať na vynikajúcom mieste,' hovorí Thompson.

Namiesto toho, aby sa riaditelia misií trávili čas pokusom dostať rover z bodu A do bodu B, mohli sa sústrediť na vedecké skúmanie na vyššej úrovni, ktoré rover nedokáže. Aspoň zatiaľ nie. [Curiosity NASA Mars Rover: 11 úžasných faktov]

'Oblasť, ktorú skúma David Thomson, je životne dôležitá pre zvládnutie záplavy údajov diaľkového snímania vrátených z kozmických lodí,' hovorí Anthony Cook z Aberystwyth University vo Veľkej Británii, ktorý nie je zapojený do TextureCam.

Na počítačovom videní pre rovery existujú ďalšie projekty. V roku 2010 dostal Mars rover Opportunity aktualizáciu softvéru s názvom AEGIS ktoré môžu identifikovať vedecky zaujímavé horniny. Projekt v púšti Atacama v Čile použil podobný systém detektora hornín na svojom roveri s názvom Zoe . A ESA ExoMars Misia vyvíja počítačové videnie, ktoré dokáže detekovať objekty v blízkosti rovera.

TextureCam je jedinečný v týchto ďalších snahách tým, že mapuje povrch, a nie pokúša sa izolovať konkrétne objekty. Je to všeobecnejšia stratégia, ktorá dokáže identifikovať charakteristiky terénu, ako je zvetrávanie alebo lámanie.

Spoznávanie skalnej steny

Nový prístup Thompsonovej skupiny sa zameriava na „textúru“ obrázku, čo je terminológia počítačového videnia pre štatistické vzorce, ktoré existujú v rade pixelov. Rovnaký druh analýzy obrazu sa používa v bežnejších každodenných aplikáciách.

Web je napríklad zaplavený obrovskými fotoarchívmi, ktoré neboli nijakým systematickým spôsobom triedené. Niekoľko spoločností vyvíja „vyhľadávače“, ktoré dokážu identifikovať objekty na digitálnych obrázkoch. Ak by ste hľadali povedzme obrázok s „modrým psom“ alebo „telefónnou búdkou“, tieto programy by mohli prehľadať zbierku fotografií a nájsť tie, ktoré zodpovedajú konkrétnym kritériám.

Mnoho digitálnych fotoaparátov navyše rozpoznáva tváre v ráme fotoaparátu a automaticky upravuje zaostrenie v závislosti od toho, ako ďaleko sú tváre. A niektoré nové herné konzoly majú senzory na zisťovanie telesnej polohy hráča.

To, čo majú všetky tieto technológie spoločné, je sofistikovaná analýza obrazových pixelov. Príslušné softvérové ​​programy zvyčajne hľadajú signály vo variáciách jasu alebo odtieňov farieb, ktoré sú charakteristické pre telefón alebo tvár alebo kameň.

Tieto signály majú často málo spoločného so spôsobom, akým by sme mohli tieto objekty opísať.

'Softvér identifikuje štatistické vlastnosti, ktoré nemusia byť pre ľudské oko zrejmé,' hovorí Thompson.

Fotografia stromatolitu (vľavo) zo Západnej Austrálie analyzovaná spoločnosťou TextureCam (vpravo). Program priraďuje každej škvrne na obrázku farbu podľa toho, ako zodpovedá kritériám pre horniny stromatolitu (červená znamená dobrú zhodu alebo vysokú pravdepodobnosť).

Fotografia stromatolitu (vľavo) zo Západnej Austrálie analyzovaná spoločnosťou TextureCam (vpravo). Program priraďuje každej škvrne na obrázku farbu podľa toho, ako zodpovedá kritériám pre horniny stromatolitu (červená znamená dobrú zhodu alebo vysokú pravdepodobnosť).(Obrazový kredit: NASA/JPL)

Nechajte počítač hádať

V prípade TextureCam počítačový program zaberie malú náplasť alebo miniatúru do obrazu a vykoná množstvo rôznych porovnaní pixelov s pixelom. Aké porovnania? V skutočnosti rozhoduje počítač.

'Vyvíjame systém z príkladov,' vysvetľuje Thompson. Fotografujú obrázky, ktoré predtým geológ analyzoval ako odkrytie alebo sediment alebo horninu konkrétnej odrody. Počítačový program porovnáva svoju pixelovú analýzu s týmito štítkami a vytvára rozhodovací strom (alebo komplikovanejší „rozhodovací les“), ktorý najlepšie rozlišuje medzi rôznymi možnosťami.

'Tieto rozhodovacie stromy môžu byť dosť účinné aj po niekoľkých vetvách,' hovorí Thompson.

Toto takzvané ' strojové učenie 'má výhody oproti iným technikám, ktoré vytvárajú vizuálny model toho, čo by mal počítač hľadať.

'Nevýhodou vizuálnych modelov je, že pre každú novú vec, ktorú chcete identifikovať, musíte vytvoriť nové pravidlo,' hovorí Thompson. Pre ľudí môže byť ťažké nájsť spoľahlivé rozdiely, ktoré môžu pomôcť počítaču. Je rozumnejšie nechať počítač ísť von a skúmať možnosti pokusom a omylom.

'Systém sa sám trénuje, takže nemusíme predvídať,' hovorí Thompson.

„Tréningový režim“ pre TextureCam začal súborom fotografií z Marsu a teraz prechádza na fotografie z Mohavskej púšte.

Tím plánuje integrovať svoj algoritmus do poľa programovateľného hradlového poľa (FPGA), čo je v podstate počítač na špeciálne účely, ktorý by sa pripájal priamo k kamere rovera. To by umožnilo TextureCam pracovať rýchlejšie, bez spoliehania sa na hlavný počítač rovera.

'Počítače a softvér nie sú pripravené prevziať interpretačné úlohy ľudských geológov, pomôžu však predtriediť a vopred identifikovať oblasti záujmu, čím sa zníži množstvo údajov diaľkového prieskumu, ktoré musia geológovia skúmať,' hovorí Cook.

Tento príbeh poskytol Magazín o astrobiológii , webová publikácia sponzorovaná NASA astrobiologický program .