NASA’nın Mars gezgini, son yirmi yılın en büyük bilimsel ve uzay başarılarından biri oldu.
Dört nesil gezici, bilimsel verileri toplayarak, çağrıştırıcı fotoğraflar göndererek ve inanılmaz derecede zorlu koşullarda hayatta kalarak kızıl gezegeni aştı – hepsi bir iPhone 1’den daha az güçlü yerleşik bilgisayarları kullanarak. En son gezici Perseverance 30 Temmuz’da piyasaya sürüldü 2020 ve mühendisler şimdiden gelecek nesil geziciler hayal ediyor.
Büyük bir başarı olsa da, bu misyonlar gezegenin ve jeolojisinin, coğrafyasının ve atmosferinin yalnızca yüzeyini (kelimenin tam anlamıyla ve mecazi olarak) çizdi.
NASA Jet Tahrik Laboratuvarı’nda (JPL) Robotik Yüzey Hareketlilik Grubu’nun grup lideri olan Masahiro (Hiro) Ono, “Mars’ın yüzey alanı, Dünya üzerindeki toplam kara alanıyla yaklaşık olarak aynıdır” dedi. tüm Mars gezgini görevleri – ve mevcut gezginin çalışmasına izin veren yazılımı geliştiren araştırmacılardan biri.
“Düşünün, bir uzaylısınız ve Dünya hakkında neredeyse hiçbir şey bilmiyorsunuz ve Dünya üzerinde yedi veya sekiz noktaya iniyorsunuz ve birkaç yüz kilometre sürüyorsunuz. Bu yabancı tür Dünya hakkında yeterince şey biliyor mu?” Ono sordu. “Hayır. Eğer Mars’ın muazzam çeşitliliğini temsil etmek istiyorsak, yerde daha fazla ölçüme ihtiyacımız olacak ve anahtar, büyük ölçüde uzatılmış mesafe, umarım binlerce mili kapsar.”
Sınırlı bilgi işlem gücü ve sınırlı enerji diyetiyle Mars’ın çeşitli, tehlikeli arazisinde seyahat etmek – yalnızca gezginin tek bir Mars gününde yakalayıp güce dönüştürebileceği kadar güneş, ya da sol – büyük bir zorluktur.
İlk gezici Sojourner, 91 sol üzerinde 330 fit yol kat etti; ikincisi Spirit, yaklaşık beş yıl içinde 4,8 mil yol aldı; Opportunity, 15 yılda 28 mil gitti; ve Curiosity, 2012’de inişinden bu yana 12 milden fazla yol kat etti.
Ono, “Ekibimiz, gelecekteki gezginleri daha akıllı hale getirmek, güvenliği artırmak, üretkenliği artırmak ve özellikle daha hızlı ve daha uzağa gitmek için Mars robotu özerkliği üzerinde çalışıyor” dedi.
YENİ DONANIM, YENİ OLANAKLAR
Bu yaz piyasaya sürülen Perseverance rover, BAE Systems Electronics tarafından üretilen radyasyonla sertleştirilmiş tek kartlı bilgisayarlar olan RAD 750’leri kullanarak hesaplama yapıyor.
Bununla birlikte, gelecekteki görevler, Yüksek Performanslı Uzay Uçuşu Hesaplama (HPSC) projesi aracılığıyla tasarlanan yeni yüksek performanslı, çok çekirdekli radyasyonla güçlendirilmiş işlemcileri potansiyel olarak kullanacaktır. (Qualcomm’un Snapdragon işlemcisi de görevler için test ediliyor.) Bu çipler, aynı miktarda gücü kullanan mevcut uçuş işlemcilerinin hesaplama kapasitesinin yaklaşık yüz katını sağlayacak.
JPL’de teknoloji ve inovasyon başkan yardımcısı Chris Mattmann’a göre, “En son Mars gezgininizde gördüğünüz tüm özerklik büyük ölçüde döngüdeki insandır” – bu, çalışması için insan etkileşimi gerektirdiği anlamına geliyor. “Bunun nedenlerinden biri, üzerinde çalışan işlemcilerin sınırları. Bu yeni yongaların temel görevlerinden biri, gemide karada yaptığımız gibi derin öğrenme ve makine öğrenimi yapmaktır. Katil uygulamalar nelerdir? yeni bilgi işlem ortamı göz önüne alındığında? “
Üç yıl önce başlayan ve bu yıl sona erecek olan Makine Öğrenimi tabanlı Otonom Rover Sistemleri için Analitik (MAARS) programı, yapay zekanın yararlı olabileceği bir dizi alanı kapsıyor. Ekip, MAARS projesinin sonuçlarını Mart 2020’de hIEEE Havacılık ve Uzay Konferansı’nda sundu. Proje, NASA Yazılım Ödülü için finalist oldu.
Ekip, IEEE makalesinde “Karasal yüksek performanslı bilgi işlem, otonom araç navigasyonu, makine öğrenimi ve Dünya tabanlı uygulamalar için veri analizinde inanılmaz atılımlar sağladı” diye yazdı. “Bu tür ilerlemelerin bir Mars keşif sunumunun ana engeli, en iyi bilgisayarların Dünya’da, en değerli verilerin ise Mars’ta olmasıdır.”
Texas Advanced Computing Center’daki (TACC) Maverick2 süper bilgisayarında ve ayrıca Amazon Web Services ve JPL kümelerinde makine öğrenimi modellerini eğiten Ono, Mattmann ve ekipleri, gelecekteki Mars gezginleri için Drive adını verdikleri iki yeni yetenek geliştiriyorlar. -Bilim ve Enerji-Optimal Otonom Navigasyon.
OPTİMAL ENERJİ, BAĞIMSIZ NAVİGASYON
Ono, Perseverance için yerleşik yol bulma yazılımını yazan ekibin bir parçasıydı. Perseverance’ın yazılımı bazı makine öğrenimi yetenekleri içerir, ancak yol bulma yöntemi hala oldukça saftır.
Ono, “Gelecekteki gezginlerin araziyi görmek ve anlamak için insan benzeri bir yeteneğe sahip olmasını istiyoruz” dedi. “Geziciler için enerji çok önemlidir. Mars’ta asfaltlı bir otoyol yoktur. Sürülebilirlik büyük ölçüde araziye göre değişiklik gösterir – örneğin plaja karşı ana kayaya. Bu şu anda dikkate alınmamaktadır. Tüm bu kısıtlamalara sahip bir yol bulmak karmaşık, ancak HPSC veya Snapdragon yongalarıyla başa çıkabileceğimiz hesaplama düzeyi bu. Ancak bunu yapmak için paradigmayı biraz değiştirmemiz gerekecek. “
Ono, yeni paradigmanın politika tarafından yönetildiğini, insan tarafından dikte edilenler arasında bir orta yol olduğunu açıklıyor: “A’dan B’ye git ve C’yi yap” ve tamamen özerk: “Git bilim yap”.
Politikaya göre komuta etmek, bir dizi senaryo için ön planlamayı ve ardından gezicinin hangi koşullarla karşılaştığını ve ne yapması gerektiğini belirlemesini sağlar.
Ono, “TACC’dekiler gibi sonsuz hesaplama kaynağına sahip olduğumuz yerde bir süper bilgisayar kullanıyoruz, bir politikanın şu olduğu bir plan geliştiriyoruz: X ise, o zaman bunu yapın; y ise, o zaman yapın,” Ono açıkladı. “Temelde büyük bir yapılacaklar listesi oluşturacağız ve gigabaytlarca veriyi gezgine göndereceğiz, devasa tablolar halinde sıkıştıracağız. Ardından, politikanın sıkıştırmasını çözmek ve yürütmek için gezicinin artan gücünü kullanacağız.”
Önceden planlanmış liste, makine öğreniminden türetilen optimizasyonlar kullanılarak oluşturulur. Yerleşik yonga daha sonra bu planları çıkarım yapmak için kullanabilir: girdileri ortamından alıp önceden eğitilmiş modele bağlayarak. Çıkarım görevleri hesaplama açısından çok daha kolaydır ve Mars’a gelecek gezicilerle birlikte olabilecekler gibi bir çip üzerinde hesaplanabilir.
Ono, “Gezici, önceden planlanmış bir dizi seçeneğe bağlı kalmak yerine gemideki planı değiştirme esnekliğine sahip” dedi. “Bu, kötü bir şey olması veya ilginç bir şey bulması durumunda önemlidir.”
Mattmann’a göre, mevcut Mars misyonları, ertesi gün ne yapılacağına karar vermek için genellikle gezginden bir Sol’un onlarca görüntüsünü kullanıyor. “Peki ya gelecekte bunun yerine bir milyon resim yazısı kullanabilirsek? Bu Drive-By Science’ın temel ilkesidir,” dedi. “Gezici, bilimsel olarak doğrulanmış metin etiketlerini ve başlıkları döndürebilirse, görev ekibimizin daha fazla devam etmesi gerekir.”
Mattmann ve ekibi, Google’ın Show and Tell yazılımını (ilk olarak 2014 yılında piyasaya sürülen bir sinirsel görüntü altyazısı oluşturucusu), teknolojinin Google dışındaki ilk uygulaması olan gezici görevler için uyarladı.
Algoritma, görüntüleri alır ve insan tarafından okunabilen başlıkları tükürür. Bunlar, kardinalite gibi temel ama kritik bilgileri içerir – kaç taş, ne kadar uzakta? – ve ana kayaya yakın mostralarda damar yapısı gibi özellikler. Mattmann, “Neyin ilginç olduğuna karar vermek için şu anda görüntüleri kullandığımız bilim bilgisi türleri,” dedi.
Geçtiğimiz birkaç yıl içinde, gezegen jeologları modeli eğitmek için Mars’a özgü görüntü notlarını etiketleyip küratörlüğünü yaptılar.
Mattmann, “100 tane daha önemli şey bulmak için bir milyon altyazı kullanıyoruz” dedi. “Arama ve bilgi erişim yeteneklerini kullanarak, hedeflere öncelik verebiliriz. İnsanlar hala döngü içindedir, ancak çok daha fazla bilgi alıyorlar ve çok daha hızlı arayabilirler.”
Ekibin çalışmasının sonuçları, Planetary and Space Science’ın Eylül 2020 sayısında yer alıyor.
TACC’nin süper bilgisayarları, JPL ekibinin sistemi test etmesine yardımcı oldu. Maverick 2’de ekip, uzmanlar tarafından oluşturulan 6.700 etiket kullanarak modellerini eğitti, doğruladı ve geliştirdi.
Daha uzağa seyahat etme yeteneği, gelecekteki Mars gezginleri için bir gereklilik olacaktır. Bir örnek, Avrupa Uzay Birliği tarafından geliştirilmesi önerilen ve 2020’lerin sonlarında fırlatılan ve asıl görevi Mars 2020 gezgini tarafından çıkarılan numuneleri alıp toplamak olan Sample Fetch Rover’dır.
Mattmann, “Yıllar içinde bu geziciler, tüm numuneleri toplamak ve onları bir buluşma yerine götürmek için önceki gezginlerden 10 kat daha fazla ilerlemek zorunda kalacaktı” dedi. “Sürüş ve enerji kullanma şeklimiz konusunda daha akıllı olmamız gerekecek.”
Yeni modeller ve algoritmalar, uzaya yönelik bir geziciye yüklenmeden önce, JPL’nin yanında, Mars yüzeyi için Dünya tabanlı bir analog olarak hizmet veren bir toprak eğitim sahasında test edilirler.
Ekip, bir tepe haritasını, gezici tarafından toplanan görüntüleri ve gezici üzerinde canlı olarak çalışan algoritmaları gösteren bir gösteri geliştirdi ve ardından gezginin, gemide arazi sınıflandırması ve altyazılar yaptığını ortaya koydu. Yeni sistemi bu baharda bitirmeyi ummuşlardı, ancak COVID-19 laboratuvarı kapattı ve testi erteledi.
Bu arada, Ono ve ekibi, Curiosity gezgini tarafından çekilen 20.000’den fazla görüntüye halkın açıklama eklemesine olanak tanıyan bir vatandaş bilim uygulaması AI4Mars geliştirdi. Bunlar, tehlikeli arazileri belirlemek ve önlemek için makine öğrenimi algoritmalarını daha fazla eğitmek için kullanılacaktır.
Halk, üç aydan kısa bir süre içinde şimdiye kadar 170.000 etiket üretti. Ono, “İnsanlar heyecanlı. Bu, insanların yardım etmesi için bir fırsat” dedi. “İnsanların oluşturduğu etiketler, gezgini daha güvenli hale getirmemize yardımcı olacak.”
Ono, gelecekteki otonom görevler için yapay zeka temelli yeni bir paradigma geliştirme çabalarının sadece gezginlere değil, yörüngelerden uçuşlara ve yıldızlararası sondalara kadar herhangi bir otonom uzay görevine de uygulanabileceğini söylüyor.
“Daha güçlü yerleşik bilgi işlem gücü, TACC’deki gibi yüksek performanslı bilgisayarlarda hesaplanan önceden planlanmış komutlar ve yeni algoritmaların birleşimi, gelecekteki gezginlerin çok daha uzağa seyahat etmesine ve daha fazla bilim yapmasına izin verme potansiyeline sahip.”