Es posible que pueda ayudar a los conductores del rover Curiosity de la NASA a navegar mejor por 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 una gran roca a la izquierda? ¿Podría ser arena? O tal vez sea bueno lecho rocoso plano. AI4Mars, que está alojado en el sitio web de ciencia ciudadana Zooniverse, le permite trazar límites alrededor del terreno y elegir una de las cuatro etiquetas. Esas etiquetas son clave para afinar el algoritmo de clasificación del terreno marciano llamado SPOC (Clasificación de propiedades y objetos del suelo).

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

"Típicamente, se necesitan cientos de miles de ejemplos para entrenar un algoritmo de aprendizaje profundo, "dijo Hiro Ono, investigador de IA en JPL. "Algoritmos para vehículos autónomos, por ejemplo, están entrenados con numerosas imágenes de carreteras, señales, 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 al día, SPOC podrá distinguir automáticamente entre suelo cohesivo, rocas altas, lecho rocoso plano y peligrosas dunas de arena, enviar imágenes a la Tierra que facilitarán la planificación de los próximos movimientos de Curiosity.

"En el futuro, esperamos que este algoritmo sea lo suficientemente preciso como para realizar otras tareas útiles, como predecir la probabilidad de que las ruedas de un rover se patinen 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 tomando una selfie, gotear muestras pulverizadas en el cuerpo del rover para ser analizadas o conducir de un lugar a otro.

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

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

Cómo podría ayudar la IA

SPOC no reemplazará lo complicado, trabajo intensivo en tiempo de los planificadores móviles. Pero puede liberarlos para concentrarse en otros aspectos de su trabajo, como discutir con los científicos qué rocas estudiar a continuación.

"Nuestro trabajo es descubrir cómo obtener la ciencia de la misión de forma segura, "dijo Stephanie Oij, uno de los planificadores de rover JPL involucrado 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 la NASA a Marte, el vehículo de perseverancia, que se lanza este verano. Pero primero, se necesita un archivo de imágenes etiquetadas. Más de 8, 000 imágenes de Curiosity se han subido al sitio de AI4Mars hasta ahora, proporcionando mucho material 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 hablen español, Hindi, El japonés y varios otros idiomas también pueden contribuir.