Ateities planetų roveriai gali priimti savo sprendimus

„ExoMars Rover“ koncepcijos vaizdas

„ExoMars rover“ koncepcinis vaizdas, kuris kuriamas 2018 m. Misijai į Marsą. (Vaizdo kreditas: ESA)





Tai karšta vasaros diena, ir jūsų akys mato ledų vežimėlį. Net nepagalvojęs pradedi eiti ta kryptimi. Planetos mokslininkai norėtų robotams suteikti tokį vizualinį atpažinimą-ne dėl ledų gavimo, o dėl moksliškai įdomių taikinių.

Šiuo metu, roveriai ir kitos kosminės transporto priemonės vis dar yra labai priklausomi nuo žmonių valdytojų nurodymų grįžti į Žemę. Tačiau, norėdami nuspręsti, kokias komandas siųsti, operatoriai turi palaukti, kol iš erdvėlaivio gaus vaizdus ir kitą susijusią informaciją. Kadangi roveriai neturi galingų antenų, ši vadinamoji žemyn nukreipta nuoroda paprastai užima daug laiko.

Duomenų kliūtis reiškia, kad roveriai dažnai „sukioja nykščius“ tarp vėlesnių komandų.



„Mūsų tikslas yra sukurti išmaniuosius instrumentus, galinčius nuveikti daugiau per kiekvieną komandų ciklą“, - sako Davidas Thompsonas iš Reaktyvinio varymo laboratorijos Pasadenoje, Kalifornijoje.

„Thompson“ vadovauja projektui, pavadintam „TextureCam“, kuris apima kompiuterinio matymo paketo sukūrimą, kuris gali atvaizduoti paviršių, nustatydamas geologines savybes. Tai visų pirma numatyta roveriui, tačiau tai taip pat gali būti naudinga erdvėlaivis, aplankęs asteroidą ar aerobotas, sklandantis tolimo pasaulio atmosferoje. [ Smalsumas - visureigis „Mars Rovers“ ]

Remdamasi NASA Astrobiologijos mokslo ir technologijų planetoms tyrinėti (ASTEP) lėšomis, Thompsono komanda šiuo metu tobulina savo kompiuterinį algoritmą ir galiausiai planuoja sukurti prototipinį instrumentą, galintį nustatyti astrobiologiškai svarbią lauko vietą.



„TextureCam“ Marso vaizdo analizė gali atskirti uolienas nuo dirvožemio.

„TextureCam“ Marso vaizdo analizė gali atskirti uolienas nuo dirvožemio.(Vaizdo kreditas: NASA/JPL/Caltech/Cornell)

Keliautojas, klajoklis



„Rovers“ jau padarė didelę pažangą autonomijos srityje. Dabartiniai prototipai gali nuvažiuoti net kilometrą savarankiškai, naudojant borto navigacijos programinę įrangą. Tai leidžia šioms transporto priemonėms apimti daug didesnę teritoriją.

Tačiau vienas rūpestis yra tas, kad roveris gali tiesiogine prasme pervažiuoti potencialiai vertingą mokslinio nekilnojamojo turto dalį ir net to nesuvokti. Suteikus roveriui keletą elementarių vizualinio atpažinimo galimybių, būtų išvengta „adatos šieno kupetoje“ praradimo, nes Thompsonas nurodo paslėptus įkalčius, kuriuos astrobiologai tikisi atrasti kitose planetose.

„Jei roveris gali lengvai atskirti, mes galime paspartinti žvalgybą“, - sako jis. Važiuodamas roveris gali nufotografuoti kelis vaizdus ir naudoti įmontuotą programinę įrangą, kad nustatytų prioritetus, kuriuos vaizdus nukreipti žemyn.

Laukdamas kito komandų rinkinio, jis galėjo pasirinkti potencialiai įdomią geologinę ypatybę ir tada nuvažiuoti artyn, kad nufotografuotų išsamų vaizdą ar net atliktų paprastą cheminę analizę.

„Galite pradėti kitą dieną, kai instrumentas sėdi prieš puikią vietą“, - sako Thompsonas.

Užuot praleidę laiką bandydami nukreipti roverį iš taško A į tašką B, misijos valdytojai galėtų sutelkti dėmesį į aukštesnio lygio mokslinį tyrimą, kurio roveris negali padaryti. Bent jau kol kas. [NASA „Mars Rover Curiosity“: 11 nuostabių faktų]

„David Thomson tiriama sritis yra gyvybiškai svarbi norint įveikti nuotolinio stebėjimo duomenų, gautų iš erdvėlaivių, potvynį“, - sako Anthony Cookas iš JK Aberystwyth universiteto, nedalyvaujantis „TextureCam“.

Yra ir kitų projektų, susijusių su roverių kompiuterine vizija. 2010 metais „Mars rover“ „Opportunity“ gavo programinės įrangos atnaujinimą, pavadintą AEGIS kurie gali nustatyti moksliškai įdomias uolienas. Atliekant projektą Čilės Atakamos dykumoje, jo roveryje buvo naudojama panaši uolienų detektorių sistema Zoja . Ir ESA „ExoMars“ misija yra sukurti kompiuterinę viziją, kuri galėtų aptikti roverio apylinkėse esančius objektus.

„TextureCam“ yra išskirtinė iš šių kitų pastangų, nes ji atvaizduoja paviršių, o ne bando išskirti tam tikrus objektus. Tai bendresnė strategija, pagal kurią galima nustatyti reljefo savybes, tokias kaip oro sąlygos ar lūžis.

Atpažindamas roko veidą

Naujasis Thompsono grupės metodas sutelkiamas į vaizdo „tekstūrą“, kuri yra kompiuterinio regėjimo terminologija statistiniams modeliams, esantiems pikselių masyve. Tos pačios rūšies vaizdo analizė naudojama dažniau naudojamose kasdienėse programose.

Pavyzdžiui, žiniatinklį užplūdo didžiuliai nuotraukų archyvai, kurie nebuvo sistemingai surūšiuoti. Kelios bendrovės kuria „paieškos variklius“, galinčius atpažinti skaitmeninių vaizdų objektus. Jei ieškotumėte, tarkime, įvaizdžio su „mėlynu šunimi“ arba „telefono būdele“, šios programos galėtų peržvelgti nuotraukų kolekciją, kad rastų nuotraukas, atitinkančias konkrečius kriterijus.

Be to, daugelis skaitmeninių fotoaparatų aptinka veidus fotoaparato rėmelyje ir automatiškai sureguliuoja fokusavimą, atsižvelgdami į tai, kaip toli yra veidai. Kai kurios naujos vaizdo žaidimų konsolės turi jutiklius, leidžiančius nustatyti žaidėjo kūno pozą.

Visas šias technologijas sieja sudėtinga vaizdo pikselių analizė. Atitinkamos programinės įrangos programos paprastai ieško ryškumo ar spalvų atspalvių signalų, būdingų telefonui, veidui ar akmeniui.

Šie signalai dažnai mažai susiję su tuo, kaip galėtume apibūdinti šiuos objektus.

„Programinė įranga nustato statistines savybes, kurios žmogaus akims gali būti akivaizdžios“, - sako Thompsonas.

Stromatolito nuotrauka (kairėje) iš Vakarų Australijos, išanalizuota „TextureCam“ (dešinėje). Programa kiekvienam paveikslo lopiniui priskiria spalvą pagal tai, kaip ji atitinka stromatolito uolienų kriterijus (raudona reiškia gerą atitikimą arba didelę tikimybę).

Stromatolito nuotrauka (kairėje) iš Vakarų Australijos, išanalizuota „TextureCam“ (dešinėje). Programa kiekvienam paveikslo lopiniui priskiria spalvą pagal tai, kaip ji atitinka stromatolito uolienų kriterijus (raudona reiškia gerą atitikimą arba didelę tikimybę).(Vaizdo kreditas: NASA/JPL)

Leiskite kompiuteriui spėlioti

„TextureCam“ atveju kompiuterinė programa paima nedidelį paveikslėlį arba miniatiūrą vaizdo viduje ir atlieka daugybę skirtingų pikselių palyginimų. Kokie palyginimai? Tiesą sakant, kompiuteris nusprendžia.

„Mes mokome sistemą iš pavyzdžių“, - aiškina Thompsonas. Jie daro vaizdus, ​​kuriuos geologas anksčiau išanalizavo kaip tam tikros veislės atodangą, nuosėdas ar uolieną. Kompiuterio programa lygina savo pikselių analizę su šiomis etiketėmis ir sukuria sprendimų medį (arba sudėtingesnį „sprendimų mišką“), kuris geriausiai išskiria skirtingas galimybes.

„Šie sprendimų medžiai gali būti gana veiksmingi net po kelių šakų“, - sako Thompsonas.

Šis vadinamasis mašinų mokymasis “turi pranašumų prieš kitus metodus, kurie sukuria vizualų modelį to, ko kompiuteris turėtų ieškoti.

„Vaizdinių modelių trūkumas yra tas, kad jūs turite sukurti naują taisyklę kiekvienam naujam dalykui, kurį norite identifikuoti“, - sako Thompsonas. Žmonėms gali būti sunku rasti patikimų skirtumų, kurie galėtų padėti kompiuteriui. Prasmingiau leisti kompiuteriui išeiti ir ištirti galimybes, naudojant bandymus ir klaidas.

„Sistema treniruojasi pati, todėl mes neturime to numatyti“, - sako Thompsonas.

„TextureCam“ „treniruočių režimas“ prasidėjo nuo Marso vaizdų rinkinio ir dabar pereina prie nuotraukų iš Mojave dykumos.

Komanda planuoja integruoti savo algoritmą į lauko programuojamą vartų masyvą (FPGA), kuris iš esmės yra specialios paskirties kompiuteris, kuris būtų tiesiogiai prijungtas prie roverio kameros. Tai leistų „TextureCam“ veikti greičiau, nesiremiant pagrindiniu „rover“ kompiuteriu.

„Kompiuteriai ir programinė įranga nėra pasirengę perimti žmonių geologų vertimo žodžiu užduočių, tačiau jie padės iš anksto rūšiuoti ir iš anksto nustatyti dominančius regionus, taip sumažinant nuotolinio stebėjimo duomenų, kuriuos geologai turi ištirti, kiekį“,-sako Kukas.

Šią istoriją pateikė Žurnalas Astrobiologija , internetinis leidinys, kurį remia NASA astrobiologijos programa .