Los conductores de rover de Marte de la NASA necesitan tu ayuda

Tres imágenes de la herramienta llamada AI4Mars muestran diferentes tipos de terreno marciano vistos por el rover Curiosity de la NASA. Al dibujar bordes alrededor de las características del terreno y asignarles una de cuatro etiquetas, puede ayudar a entrenar un algoritmo que identificará automáticamente los tipos de terreno para los planificadores móviles de Curiosity. Crédito: NASA / JPL-Caltech

Es posible que pueda ayudar a los conductores de rover Curiosity de la NASA a navegar mejor Marte. Usando la herramienta en línea AI4Mars Para etiquetar las características del terreno en imágenes descargadas del Planeta Rojo, puede entrenar un algoritmo de inteligencia artificial para leer automáticamente el paisaje.

¿Es esa una gran roca a la izquierda? ¿Podría ser arena? O tal vez es agradable, roca madre plana. AI4Mars, que está alojado en el sitio web de ciencia ciudadana Zooniverse, le permite dibujar límites alrededor del terreno y elegir una de las cuatro etiquetas. Esas etiquetas son clave para agudizar el algoritmo de clasificación del terreno marciano llamado SPOC (Propiedad del suelo y clasificación de objetos).

Desarrollado en el Laboratorio de Propulsión a Chorro de la NASA, que ha gestionado todas las misiones rover de Marte de la agencia, SPOC etiqueta varios tipos de terreno, creando un mapa visual que ayuda a los miembros del equipo de la misión a determinar qué caminos tomar. SPOC ya está en uso, pero el sistema podría usar más capacitación.

“Por lo general, se necesitan cientos de miles de ejemplos para entrenar un algoritmo de aprendizaje profundo”, dijo Hiro Ono, investigador de IA en JPL. “Los algoritmos para automóviles autónomos, por ejemplo, están entrenados con numerosas imágenes de carreteras, letreros, semáforos, peatones y otros vehículos. Otros conjuntos de datos públicos para el aprendizaje profundo contienen personas, animales y edificios, pero no paisajes marcianos”.

Una vez que esté completamente actualizado, SPOC podrá distinguir automáticamente entre tierra cohesiva, rocas altas, lecho de roca plana y dunas de arena peligrosas, enviando imágenes a la Tierra que facilitarán la planificación de los próximos movimientos de Curiosity.

“En el futuro, esperamos que este algoritmo pueda ser lo suficientemente preciso como para realizar otras tareas útiles, como predecir la probabilidad de que las ruedas de un rover resbalen en diferentes superficies”, dijo Ono.

El trabajo de los planificadores móviles

Los ingenieros de JPL llamados planificadores móviles pueden beneficiarse al máximo de un SPOC mejor capacitado. Son responsables de cada movimiento de Curiosity, ya sea tomar una selfie, gotear muestras pulverizadas en el cuerpo del rover para ser analizado o conducir de un lugar a otro.

Puede llevar de cuatro a cinco horas resolver una unidad (que ahora se hace virtualmente), lo que requiere que varias personas escriban y revisen cientos de líneas de código. La tarea también implica una amplia colaboración con los científicos: los geólogos evalúan el terreno para predecir si las ruedas de Curiosity podrían resbalar, ser dañadas por rocas afiladas o quedar atrapadas en la arena, que atrapó a los rovers Spirit y Opportunity.

Los planificadores también consideran en qué dirección apuntará el rover al final de una unidad, ya que su antena de alta ganancia necesita una línea de visión clara hacia la Tierra para recibir comandos. Y tratan de anticipar sombras que caen sobre el terreno durante un viaje, lo que puede interferir con la forma en que Curiosity determina la distancia. (El rover utiliza una técnica llamada odometría visual, que compara imágenes de la cámara con puntos de referencia cercanos).

Cómo podría ayudar la IA

SPOC no reemplazará el trabajo complicado y laborioso de los planificadores móviles. Pero puede liberarlos para que se concentren en otros aspectos de su trabajo, como discutir con los científicos qué rocas estudiar a continuación.

“Nuestro trabajo es descubrir cómo obtener de forma segura la ciencia de la misión”, dijo Stephanie Oij, una de las planificadoras de vehículos móviles JPL que participan en AI4Mars. “La generación automática de etiquetas de terreno nos ahorraría tiempo y nos ayudaría a ser más productivos”.

Los beneficios de un algoritmo más inteligente se extenderían a los planificadores de la próxima misión de Marte de la NASA, el rover Perseverance, que se lanzará este verano. Pero primero, se necesita un archivo de imágenes etiquetadas. Hasta el momento, se han subido más de 8,000 imágenes de Curiosity al sitio AI4Mars, lo que proporciona mucho forraje para el algoritmo. Ono espera agregar imágenes de Spirit y Opportunity en el futuro. Mientras tanto, los voluntarios de JPL están traduciendo el sitio para que los participantes que hablan español, hindi, japonés y varios otros idiomas puedan contribuir también.