Học sâu sẽ giúp những người thám hiểm sao Hỏa trong tương lai đi xa hơn, nhanh hơn và làm khoa học hơn

Tàu thám hiểm sao Hỏa của NASA là một trong những thành công lớn về khoa học và không gian trong hai thập kỷ qua.

Bốn thế hệ máy bay thám hiểm đã đi qua hành tinh đỏ để thu thập dữ liệu khoa học, gửi lại những bức ảnh giàu sức gợi và sống sót trong điều kiện cực kỳ khắc nghiệt – tất cả đều sử dụng máy tính trên bo mạch ít mạnh hơn iPhone 1. Máy bay mới nhất, Perseverance, đã được ra mắt vào ngày 30 tháng 7, Năm 2020, và các kỹ sư đang mơ về một thế hệ xe lái trong tương lai.

Mặc dù là một thành tựu lớn nhưng những sứ mệnh này mới chỉ làm trầy xước bề mặt (theo nghĩa đen và nghĩa bóng) của hành tinh và địa chất, địa lý và bầu khí quyển của nó.

Masahiro (Hiro) Ono, trưởng nhóm của Nhóm di động bề mặt robot tại Phòng thí nghiệm sức đẩy phản lực của NASA (JPL) – cho biết: “Diện tích bề mặt của sao Hỏa xấp xỉ bằng tổng diện tích của đất liền trên Trái đất. Tất cả các nhiệm vụ của máy thám hiểm sao Hỏa – ​​và một trong những nhà nghiên cứu đã phát triển phần mềm cho phép máy thám hiểm hiện tại hoạt động.

“Hãy tưởng tượng, bạn là một người ngoài hành tinh và bạn hầu như không biết gì về Trái đất, và bạn đáp xuống bảy hoặc tám điểm trên Trái đất và lái xe vài trăm km. Liệu loài người ngoài hành tinh đó có biết đủ về Trái đất không?” Ono hỏi. “Không Nếu chúng ta muốn thể hiện sự đa dạng rất lớn của sao Hỏa, chúng tôi sẽ cần phải đo nhiều hơn trên mặt đất, và quan trọng là đáng kể khoảng cách dài, hy vọng bao gồm hàng ngàn dặm.”

Du hành qua địa hình hiểm trở, đa dạng của sao Hỏa với khả năng tính toán hạn chế và chế độ ăn hạn chế năng lượng – chỉ có nhiều mặt trời mà người thám hiểm có thể chụp và chuyển đổi thành năng lượng trong một ngày sao Hỏa duy nhất – là một thách thức rất lớn.

Tàu thám hiểm đầu tiên, Sojourner, có độ cao 330 feet trên 91 sols; thứ hai, Spirit, đi 4,8 dặm trong khoảng năm năm; Opportunity, đi 28 dặm hơn 15 năm; và Curiosity đã đi hơn 12 dặm kể từ khi nó hạ cánh vào năm 2012.

Ono cho biết: “Nhóm của chúng tôi đang nghiên cứu khả năng tự chủ của robot trên sao Hỏa để làm cho những người lái trong tương lai trở nên thông minh hơn, nâng cao tính an toàn, cải thiện năng suất và đặc biệt là lái xe nhanh hơn và xa hơn.”

PHẦN CỨNG MỚI, KHẢ NĂNG MỚI

Máy tính bảng bền bỉ, ra mắt vào mùa hè này, tính toán bằng cách sử dụng RAD 750 – máy tính bảng đơn được làm cứng bằng bức xạ do BAE Systems Electronics sản xuất.

Tuy nhiên, các sứ mệnh trong tương lai sẽ có khả năng sử dụng các bộ vi xử lý bức xạ đa lõi, hiệu suất cao mới được thiết kế thông qua dự án Máy bay Vũ trụ Hiệu suất cao (HPSC). (Bộ xử lý Snapdragon của Qualcomm cũng đang được thử nghiệm cho các sứ mệnh.) Những con chip này sẽ cung cấp năng lực tính toán gấp khoảng một trăm lần so với các bộ xử lý bay hiện tại sử dụng cùng một lượng điện năng.

Chris Mattmann, phó giám đốc công nghệ và đổi mới tại JPL cho biết: “Tất cả quyền tự chủ mà bạn thấy trên tàu thám hiểm sao Hỏa mới nhất của chúng tôi phần lớn là do con người thực hiện” – có nghĩa là nó đòi hỏi sự tương tác của con người để vận hành. “Một phần lý do của điều đó là do giới hạn của các bộ xử lý đang chạy trên chúng. Một trong những nhiệm vụ cốt lõi của những con chip mới này là thực hiện học sâu và học máy, giống như chúng ta đang làm trên thực tế. Các ứng dụng giết người là gì với môi trường máy tính mới đó? “

Chương trình Phân tích dựa trên Máy học cho Hệ thống Xe tự hành (MAARS) – đã bắt đầu cách đây ba năm và sẽ kết thúc vào năm nay – bao gồm một loạt các lĩnh vực mà trí tuệ nhân tạo có thể hữu ích. Nhóm đã trình bày kết quả của dự án MAARS tại Hội nghị Hàng không Vũ trụ hIEEE vào tháng 3 năm 2020. Dự án đã lọt vào vòng chung kết cho Giải thưởng Phần mềm NASA.

“Tính toán hiệu suất cao trên mặt đất đã tạo ra những đột phá đáng kinh ngạc trong điều hướng phương tiện tự hành, máy học và phân tích dữ liệu cho các ứng dụng trên Trái đất”, nhóm nghiên cứu viết trong bài báo IEEE của họ. “Rào cản chính cho việc triển khai khám phá sao Hỏa với những tiến bộ như vậy là máy tính tốt nhất có trên Trái đất, trong khi dữ liệu quý giá nhất nằm trên sao Hỏa.”

Đào tạo các mô hình học máy trên siêu máy tính Maverick2 tại Trung tâm Máy tính Nâng cao Texas (TACC), cũng như trên Amazon Web Services và cụm JPL, Ono, Mattmann và nhóm của họ đã và đang phát triển hai khả năng mới cho những người đi đường trên Sao Hỏa trong tương lai, mà họ gọi là Drive -Bằng Khoa học và Năng lượng-Điều hướng Tự động Tối ưu.

ĐỊNH VỊ TỰ ĐỘNG TỐI ƯU NĂNG LƯỢNG

Ono là thành viên của nhóm đã viết phần mềm tìm kiếm đường đi trên bo mạch cho sự Kiên trì. Phần mềm của Perseverance bao gồm một số khả năng học máy, nhưng cách nó thực hiện việc tìm đường vẫn còn khá đơn giản.

“Chúng tôi muốn những người lái xe trong tương lai có khả năng nhìn và hiểu địa hình giống như con người”, Ono nói. “Đối với những người đi phượt, năng lượng là rất quan trọng. Không có đường cao tốc nào được lát đá trên sao Hỏa. Khả năng lái xe về cơ bản thay đổi tùy theo địa hình – ví dụ như bãi biển so với nền đá. Điều đó hiện chưa được xem xét. Việc tìm ra một con đường với tất cả những ràng buộc này là phức tạp, nhưng đó là mức tính toán mà chúng tôi có thể xử lý với chip HPSC hoặc Snapdragon. Nhưng để làm được như vậy, chúng tôi sẽ cần thay đổi mô hình một chút. “

Ono giải thích mô hình mới đó là chỉ huy bằng chính sách, trung gian giữa điều do con người ra lệnh: “Đi từ A đến B và làm C”, và mô hình hoàn toàn tự chủ: “Hãy làm khoa học.”

Chỉ huy bằng chính sách liên quan đến việc lập kế hoạch trước cho một loạt các tình huống, sau đó cho phép người điều hành xác định những điều kiện mà nó đang gặp phải và những gì nó nên làm.

“Chúng tôi sử dụng một siêu máy tính trên mặt đất, nơi chúng tôi có nguồn tài nguyên tính toán vô hạn như ở TACC, để phát triển một kế hoạch trong đó chính sách là: nếu X thì làm thế này; nếu y thì làm thế”, Ono giải thích. “Về cơ bản, chúng tôi sẽ tạo một danh sách việc cần làm khổng lồ và gửi hàng gigabyte dữ liệu đến máy quay, nén nó trong các bảng lớn. Sau đó, chúng tôi sẽ sử dụng sức mạnh gia tăng của máy chuyển để giải nén chính sách và thực thi nó.”

Danh sách được lập kế hoạch trước được tạo bằng cách sử dụng các tối ưu hóa dựa trên máy học. Sau đó, chip trên bo mạch có thể sử dụng các kế hoạch đó để thực hiện suy luận: lấy các đầu vào từ môi trường của nó và cắm chúng vào mô hình được đào tạo trước. Các nhiệm vụ suy luận dễ dàng hơn nhiều về mặt tính toán và có thể được tính toán trên một con chip giống như những con chip có thể đi cùng các chuyến tàu tới sao Hỏa trong tương lai.

Ono cho biết: “Người thám hiểm có thể linh hoạt trong việc thay đổi kế hoạch thay vì chỉ bám vào một chuỗi các lựa chọn đã lên kế hoạch trước. “Điều này rất quan trọng trong trường hợp điều gì đó tồi tệ xảy ra hoặc nó tìm thấy một cái gì đó thú vị.”

DRIVE-BY KHOA HỌC

Theo Mattmann, các sứ mệnh sao Hỏa hiện tại sử dụng hàng chục hình ảnh một Sol từ máy dò để quyết định những việc cần làm vào ngày hôm sau. “Nhưng điều gì sẽ xảy ra nếu trong tương lai, chúng ta có thể sử dụng một triệu chú thích hình ảnh để thay thế? Đó là nguyên lý cốt lõi của Drive-By Science. Nếu rover có thể trả về các nhãn văn bản và chú thích đã được xác thực về mặt khoa học, nhóm sứ mệnh của chúng tôi sẽ còn nhiều việc phải tiếp tục.”

Mattmann và nhóm đã điều chỉnh phần mềm Show and Tell của Google – một trình tạo chú thích hình ảnh thần kinh được ra mắt lần đầu tiên vào năm 2014 – cho các nhiệm vụ rover, ứng dụng đầu tiên không phải của Google của công nghệ này.

Thuật toán thu nhận hình ảnh và đưa ra các chú thích mà con người có thể đọc được. Chúng bao gồm thông tin cơ bản, nhưng quan trọng, như cardinality – bao nhiêu tảng đá, bao xa? – và các đặc tính như cấu trúc tĩnh mạch ở các mỏm đá gần đá gốc. Mattmann nói: “Các loại kiến ​​thức khoa học mà chúng ta hiện đang sử dụng hình ảnh để quyết định điều gì thú vị.

Trong vài năm qua, các nhà địa chất hành tinh đã gắn nhãn và sắp xếp các chú thích hình ảnh cụ thể cho sao Hỏa để đào tạo mô hình.

Mattmann nói: “Chúng tôi sử dụng một triệu chú thích để tìm ra 100 điều quan trọng hơn. “Sử dụng khả năng tìm kiếm và truy xuất thông tin, chúng tôi có thể ưu tiên các mục tiêu. Con người vẫn đang ở trong vòng lặp, nhưng họ nhận được nhiều thông tin hơn và có thể tìm kiếm nó nhanh hơn rất nhiều.”

Kết quả nghiên cứu của nhóm xuất hiện trên tạp chí Khoa học Hành tinh và Không gian vào tháng 9 năm 2020 .

Các siêu máy tính của TACC đã chứng tỏ là công cụ giúp nhóm JPL kiểm tra hệ thống. Trên Maverick 2, nhóm đã đào tạo, xác nhận và cải tiến mô hình của họ bằng cách sử dụng 6.700 nhãn do các chuyên gia tạo ra.

Khả năng đi xa hơn nhiều sẽ là một điều cần thiết cho các chuyến thám hiểm sao Hỏa trong tương lai. Một ví dụ là Sample Fetch Rover, được Hiệp hội Không gian Châu Âu đề xuất phát triển và phóng vào cuối những năm 2020, với nhiệm vụ chính là nhặt các mẫu do tàu thám hiểm Mars 2020 đào lên và thu thập chúng.

Mattmann nói: “Những chiếc xe quay vòng này trong một khoảng thời gian nhiều năm sẽ phải lái xa hơn gấp 10 lần so với những người lái xe trước đó để thu thập tất cả các mẫu và đưa chúng đến điểm hẹn,” Mattmann nói. “Chúng ta sẽ cần phải thông minh hơn về cách chúng ta lái xe và sử dụng năng lượng.”

Trước khi các mô hình và thuật toán mới được tải lên một chiếc tàu thám hiểm dành cho không gian, chúng sẽ được thử nghiệm trên một bãi tập kết bụi bên cạnh JPL, đóng vai trò là một chất tương tự dựa trên Trái đất cho bề mặt sao Hỏa.

Nhóm đã phát triển một bản trình diễn hiển thị bản đồ trên cao, phát trực tuyến hình ảnh được thu thập bởi rover và các thuật toán chạy trực tiếp trên rover, sau đó cho thấy rover thực hiện phân loại địa hình và ghi chú thích trên tàu. Họ đã hy vọng sẽ hoàn thành thử nghiệm hệ thống mới vào mùa xuân này, nhưng COVID-19 đã đóng cửa phòng thí nghiệm và trì hoãn việc thử nghiệm.

Trong khi đó, Ono và nhóm của ông đã phát triển một ứng dụng khoa học công dân, AI4Mars, cho phép công chúng chú thích hơn 20.000 hình ảnh được chụp bởi Curiosity rover. Chúng sẽ được sử dụng để đào tạo thêm các thuật toán học máy để xác định và tránh các địa hình nguy hiểm.

Công chúng đã tạo ra 170.000 nhãn cho đến nay trong vòng chưa đầy ba tháng. “Mọi người rất hào hứng. Đó là cơ hội để mọi người giúp đỡ”, Ono nói. “Các nhãn mà mọi người tạo ra sẽ giúp chúng tôi làm cho người lái an toàn hơn.”

Ono cho biết, nỗ lực phát triển một mô hình dựa trên AI mới cho các nhiệm vụ tự hành trong tương lai có thể được áp dụng không chỉ cho người lái tàu mà còn cho bất kỳ nhiệm vụ không gian tự trị nào, từ tàu quỹ đạo đến tàu bay đến tàu thăm dò giữa các vì sao.

“Sự kết hợp của sức mạnh tính toán trên bo mạch mạnh mẽ hơn, các lệnh được lập kế hoạch trước được tính toán trên các máy tính hiệu suất cao như ở TACC và các thuật toán mới có tiềm năng cho phép các máy điều khiển trong tương lai đi xa hơn và thực hiện nhiều khoa học hơn.”

Nguồn truyện:

Tài liệu do Đại học Texas tại Austin, Texas Advanced Computing Center cung cấp . Bản gốc do Aaron Dubrow viết. Lưu ý: Nội dung có thể được chỉnh sửa về kiểu dáng và độ dài.

Tham khảo Tạp chí :

1. Dicong Qiu, Brandon Rothrock, Tanvir Islam, Annie K. Didier, Vivian Z. Sun, Chris A. Mattmann, Masahiro Ono. SCOTI: Khoa học chú thích hình ảnh địa hình để ưu tiên dữ liệu và tìm kiếm hình ảnh địa phương . Khoa học Hành tinh và Không gian , 2020; 188: 104943 DOI: 10.1016 / j.pss.2020.104943