مریخنورد ناسا دو روز کامل را بدون دخالت انسان روی مریخ رانندگی کرد
در ماه دسامبر، ناسا گام کوچک اما مهم دیگری به سمت مریخ نوردهای کاملا خودمختار برداشت. در یک نمایش فنی، تیم ماموریت Perseverance از هوش مصنوعی برای ایجاد نقاط بین راهی برای مریخ نورد استفاده کرد. استقامت در مجموع ۴۵۶ متر (حدود ۱۴۹۶ فوت) را در دو روز جداگانه بدون هیچ کنترل انسانی طی کرد.
به گزارش افق میهن و به نقل از sciencealert; جرد آیزاکمن، مدیر ناسا گفت:
این نمایش نشان میدهد که تواناییهای ما تا چه اندازه پیشرفت کردهاند و افقهای جدیدی را برای کاوش در جهانهای دیگر باز میکند.»
وی افزود:
“فناوریهای خودگردان مانند این میتوانند به ماموریتها کمک کنند کارآمدتر عمل کنند، زمینهای سخت را بهتر مدیریت کنند، و با دورتر شدن از زمین، بازده علمی بیشتری را ارائه دهند. این نمونهای قدرتمند از کاربرد متفکرانه و مسئولانه فناوریهای جدید در عملیات واقعی است.”
مریخ از زمین بسیار دور است و ارسال و دریافت سیگنال رفت و برگشت بین زمین و مریخ حدود ۲۵ دقیقه طول می کشد. این بدان معنی است که مریخ نوردها، چه بخواهند و چه نخواهند، برای مدت زمان کاملاً مستقل هستند.
این تاخیر زمانی فرآیند برنامه ریزی مسیر را شکل می دهد. رانندگان مریخ نورد روی زمین تصاویر و داده های ارتفاع را بررسی می کنند و مجموعه ای از ایستگاه های بین راهی را که معمولاً بیش از ۱۰۰ متر (۳۳۰ فوت) فاصله ندارند، برنامه ریزی می کنند.
برنامه رانندگی به شبکه فضایی عمیق ناسا (DSN) ارسال می شود. این شبکه آن را به یکی از مدارگردها می فرستد و مدارگرد دستورات را به Perseverance ارسال می کند.
در این آزمایش، هوش مصنوعی تصاویر مداری دوربین HiRISE مدارگرد شناسایی مریخ را به همراه مدلهای ارتفاعی دیجیتال تجزیه و تحلیل کرد. بر اساس مدل آنتروپیک کلود، سیستم هوش مصنوعی خطراتی مانند تلههای شن، صخرهها، بسترهای سنگی و رخنمونهای سنگی را شناسایی کرد و سپس مسیری امن را در قالب مجموعهای از ایستگاههای بین راهی طراحی کرد.
پس از آن، سیستم خودمختار استقامت وارد عمل شد. سیستمی که نسبت به نسل های قبلی مستقل تر است و می تواند تصاویر و برنامه های رانندگی را در حین حرکت پردازش کند.
قبل از ارسال این راهنماها به Perseverance، یک مرحله مهم دیگر انجام شد. آزمایشگاه رانش جت ناسا (JPL) یک نمونه اولیه دوقلو از استقامت به نام تخت تست سیستم خودرو (VSTB) دارد که در مجتمع شبیه سازی مریخ JPL واقع شده است.
این مدل مهندسی به تیم اجازه می دهد تا مشکلات را در زمین بررسی و حل کند یا آزمایش هایی مانند این انجام دهد. چنین نسخه های مهندسی در ماموریت های مریخ رایج هستند. JPL نمونه مشابهی برای مریخ نورد کنجکاوی دارد.
وندی ورما، روباتیک فضایی در JPL و عضو تیم مهندسی Perseverance، می گوید:
مؤلفههای بنیادی هوش مصنوعی مولد برای سادهسازی ستونهای اصلی ناوبری خودمختار در رانندگی خارج از جاده، نویدبخش است: ادراک (دیدن صخرهها و چینهای سطح)، محلیسازی (دانستن اینکه کجا هستیم) و برنامهریزی و کنترل (تصمیمگیری و اجرای امنترین مسیر).»
او ادامه می دهد:
ما در حال حرکت به سمت روزی هستیم که هوش مصنوعی مولد و سایر ابزارهای هوشمند به مریخ نوردها کمک میکنند تا مسیرهای کیلومتری را طی کنند، در حالی که حجم کاری اپراتور را به حداقل میرسانند و ویژگیهای جالب روی سطح سیاره را برای تیم علمی نشان میدهند.
هوش مصنوعی به سرعت در زندگی روزمره ما نفوذ می کند. حتی در مکان هایی که همیشه استفاده قانع کننده ای از آن وجود ندارد.
اما این ناسا سوار بر مد هوش مصنوعی نیست. ناسا سال هاست که بنا به ضرورت در حال توسعه سیستم های ناوبری خودکار بوده است. در واقع روش اصلی رانندگی Perseverance سیستم ناوبری خودران آن است.
یکی از موانع رانندگی کاملاً خودمختار این است که هرچه کاوشگر بدون کمک انسان بیشتر حرکت کند، عدم اطمینان در مورد موقعیت دقیق آن روی سطح بیشتر می شود.
راه حل این مشکل، «جابجایی» مریخ نورد روی نقشه است. کاری که الان انسان ها انجام می دهند. اما این فرآیند زمان بر است و به یک چرخه ارتباطی کامل بین زمین و مریخ نیاز دارد. در نتیجه، مسافتی را که استقامت میتواند بدون کمک انسانی طی کند، محدود میکند.
ناسا و JPL همچنین در حال کار بر روی روشی هستند که به Perseverance اجازه دهد با استفاده از هوش مصنوعی موقعیت خود را تغییر دهد. مانع اصلی تطبیق تصاویر مداری با تصاویر سطحی مریخ نورد است. اما به احتمال زیاد، هوش مصنوعی دقیقاً برای انجام این کار آموزش داده خواهد شد.
واضح است که هوش مصنوعی نقش بسیار بیشتری در اکتشاف سیاره ایفا می کند. مریخ نورد بعدی ممکن است تفاوت های قابل توجهی با نسل های فعلی داشته باشد و قابلیت های ناوبری مستقل و هوش مصنوعی پیشرفته تری داشته باشد. حتی ایده هایی برای رهاسازی گروهی از پهپادهای پرنده از مریخ نورد وجود دارد که دامنه اکتشاف در مریخ را گسترش می دهد. گروه هایی که به صورت هماهنگ و مستقل تحت کنترل هوش مصنوعی فعالیت می کنند.
و این به مریخ محدود نمی شود. ماموریت سنجاقک ناسا به قمر تیتان زحل نیز به شدت به هوش مصنوعی متکی خواهد بود. نه تنها برای ناوبری خودران در طول پرواز این فضاپیمای هلیکوپتر مانند، بلکه برای سازماندهی و پالایش خودکار داده ها.
مت والاس، مدیر دفتر سیستم های اکتشافی JPL می گوید:
سیستم های هوشمند را نه تنها بر روی زمین، بلکه در کاربردهای لبه مریخ نوردها، هلیکوپترها، هواپیماهای بدون سرنشین و دیگر عناصر سطحی تصور کنید؛ سیستم هایی که با خرد جمعی مهندسان، دانشمندان و فضانوردان ناسا آموزش دیده اند.
وی در پایان می افزاید:
این همان فناوری تحولآفرینی است که ما برای ایجاد زیرساختها و سیستمهای لازم برای حضور دائمی انسان در ماه و رساندن ایالات متحده به مریخ و فراتر از آن نیاز داریم.»
