德克萨斯大学奥斯汀分校 基于机器学习的自主漫游系统分析(MAARS)项目涵盖了人工智能可能有用的一系列领域
该团队在2020年3月的美国电气和电子工程师协会航天会议上展示了MAARS项目的成果
该项目入围了美国宇航局软件奖
信用:美国宇航局JPL 美国宇航局的火星漫游者是过去20年来科学和太空领域的巨大成功之一
四代漫游者穿越了这颗红色星球，收集科学数据，发回令人回味的照片，并在难以置信的恶劣条件下生存下来——所有这些都使用了比iPhone 1功能更弱的车载计算机
最新的火星车“毅力”于2020年7月30日发射，工程师们已经在梦想未来一代火星车
虽然这是一项重大成就，但这些任务只是触及了地球及其地质、地理和大气的表面(字面上和形象上)
“火星的表面面积大约等于地球上陆地的总面积，”小野正弘说，他是美国宇航局喷气推进实验室(JPL)机器人表面移动小组的组长，该小组领导了所有的火星探测器任务，也是开发允许当前探测器运行的软件的研究人员之一
“想象一下，你是一个外星人，你对地球几乎一无所知，你在地球上的七八个点上着陆，然后行驶几百公里
那个外星物种对地球了解的够多吗？”小野问
“没有
如果我们想表现火星的巨大多样性，我们需要更多的地面测量，关键是要有相当长的距离，希望能覆盖数千英里
" 穿越火星多样、危险的地形，计算能力有限，能量消耗也有限——火星车在一个火星日内只能捕获并转化为能量——这是一个巨大的挑战
第一辆火星车，索杰纳，在91个溶胶上行驶了330英尺；第二个，精神，旅行4
大约5年8英里；机遇，15年走了28英里；自2012年着陆以来，好奇号已经行驶了超过12英里
小野说:“我们的团队正在研究火星机器人的自主性，以使未来的漫游者更加智能，提高安全性，提高生产率，特别是驾驶得更快更远。”
新硬件，新可能性 今年夏天推出的“毅力”漫游者使用RAD 750ss进行计算，RAD 750是由英国宇航系统电子公司制造的抗辐射单板计算机
然而，未来的任务可能会使用通过高性能航天计算(HPSC)项目设计的新的高性能多核抗辐射处理器
(高通的Snapdragon处理器也正在接受任务测试
)这些芯片将提供当前飞行处理器100倍的计算能力，使用同样的功率
“你在我们最新的火星探测器上看到的所有自主性很大程度上是人在回路中”——这意味着它需要人类的互动才能运行，JPL的副首席技术和创新官克里斯·马特曼说
“部分原因是运行在其上的处理器的限制
这些新芯片的核心任务之一是进行深度学习和机器学习，就像我们在地球上做的那样
考虑到新的计算环境，有哪些杀手级应用？" 基于机器学习的自主漫游系统(MAARS)分析项目——始于三年前，将于今年结束——涵盖了人工智能可能有用的一系列领域
该团队在2020年3月的海尔航天会议上展示了MAARS项目的成果
该项目入围了美国宇航局软件奖
“地面高性能计算已经在自主车辆导航、机器学习和基于地球的应用数据分析方面取得了令人难以置信的突破，”该团队在他们的IEEE论文中写道
“火星探索展示这些进展的主要障碍是，最好的计算机在地球上，而最有价值的数据在火星上
" 在德克萨斯高级计算中心(TACC)的Maverick2超级计算机上，以及在亚马逊网络服务和JPL集群上，小野、马特曼和他们的团队一直在为未来的火星漫游车开发两种新的能力，他们称之为“科学驾驶”和“能源优化自主导航”
能量最优自主导航 小野是为百折不挠编写车载寻路软件的团队的一员
毅力的软件包括一些机器学习能力，但是它进行寻路的方式仍然相当幼稚
“我们希望未来的漫游者拥有类似人类的能力来观察和理解地形，”小野说
“对于火星车来说，能量非常重要
火星上没有铺好的公路
驾驶性能根据地形变化很大，例如沙滩和
基岩
目前还没有考虑到这一点
想出一条包含所有这些约束的路径是复杂的，但这是我们可以用HPSC或Snapdragon芯片处理的计算水平
但是要做到这一点，我们需要稍微改变一下范式
" 小野解释说，这种新范式是由政策主导的，介于人类主导的“从A到B，做C”和纯粹自主的“做科学”之间
" 公共工具ai4火星显示了不同种类的火星地形，如美国宇航局的好奇号火星车所见
通过在地形特征周围画出边界，并给它们分配四个标签中的一个，用户可以帮助训练一种算法，为好奇号的漫游者规划者自动识别有利和危险的地形
信用:美国航天局/JPL-加州理工学院 策略指挥包括对一系列场景的预先规划，然后允许探测车确定它遇到的条件和它应该做什么
“我们在地面上使用一台超级计算机，在那里我们有无限的计算资源，就像在TACC一样，来制定一个计划，其中的政策是:如果X，那么就这样做；如果是，那就这样做，”小野解释说
“我们将基本上制作一个巨大的待办事项列表，并将千兆字节的数据发送给漫游者，压缩成巨大的表格
然后，我们将使用漫游者增加的功率来解压缩策略并执行它
" 预先计划的列表是使用机器学习衍生的优化生成的
然后，片上芯片可以使用这些计划来执行推理:从其环境中获取输入，并将它们插入预先训练好的模型中
推理任务在计算上要容易得多，并且可以在芯片上进行计算，就像那些可能伴随未来火星车前往火星的任务一样
小野说:“漫游者可以灵活地改变船上的计划，而不仅仅是坚持一系列预先计划的选项。”
“这很重要，以防发生不好的事情或发现有趣的事情
" 驾车科学 马特曼说，目前的火星任务通常使用漫游者的数十幅图像来决定第二天做什么
“但是如果将来我们可以用一百万个图像字幕来代替呢？这是免下车科学的核心宗旨，”他说
“如果漫游者能够返回经过科学验证的文本标签和标题，我们的任务团队将有更多的工作要做
" 马特曼和他的团队改编了谷歌的展示和讲述软件——一个神经图像字幕生成器，于2014年首次推出——用于漫游任务，这是该技术的第一个非谷歌应用
该算法接收图像并吐出人类可读的字幕
这些信息包括基本但重要的信息，比如基数——有多少块石头，有多远？—和属性，如基岩附近露头中的矿脉结构
马特曼说:“我们目前使用图像来决定什么是有趣的科学知识类型。”
在过去的几年里，行星地质学家已经标记和整理了火星特有的图像注释来训练这个模型
马特曼说:“我们使用一百万个字幕来寻找100个更重要的东西。”
“利用搜索和信息检索功能，我们可以对目标进行优先排序
人类仍在循环中，但他们获得了更多的信息，并且能够更快地搜索信息
" 该团队的研究成果发表在2020年9月的《行星与空间科学》杂志上
事实证明，TACC的超级计算机有助于JPL团队测试该系统
在Maverick 2上，团队使用专家创建的6700个标签来训练、验证和改进他们的模型
对未来的火星探测器来说，能够走得更远是必要的
一个例子是由欧洲空间协会提议开发并于2020年末发射的取样探测车，它的主要任务是采集火星2020探测车挖掘出的样本并收集它们
马特曼说:“这些漫游者在一段时间内将不得不比以前的漫游者多开10倍的车来收集所有的样本并把它们送到一个会合地点。”
“我们需要更明智地驾驶和使用能源
" 在新的模型和算法被装载到前往太空的火星车上之前，它们在JPL旁边的一个泥土训练场上进行测试，该训练场地是火星表面的一个基于地球的模拟场地
该团队开发了一个演示，展示了一张俯视图、漫游车收集的流式图像以及在漫游车上实时运行的算法，然后展示了漫游车在车上进行地形分类和字幕
他们原本希望在今年春天完成新系统的测试，但是新冠肺炎关闭了实验室并推迟了测试
与此同时，小野和他的团队开发了一个名为AI4Mars的公民科学应用程序，允许公众对好奇号火星车拍摄的20000多张照片进行注释
这些将用于进一步训练机器学习算法，以识别和避免危险的地形
在不到三个月的时间里，公众已经创造了17万个标签
“人们很兴奋
这是人们提供帮助的机会，”小野说
“人们创造的标签将帮助我们让漫游者更安全
" 小野说，为未来的自主任务开发新的基于人工智能的范例的努力不仅可以应用于漫游者，还可以应用于任何自主空间任务，从轨道飞行器到飞越到星际探测器
“更强大的机载计算能力、在TACC等高性能计算机上预先计划的计算命令以及新算法的结合，有可能让未来的漫游者走得更远，做得更科学
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
