IA para automatizar la identificación de sitios de aterrizaje y exploración en la superficie lunar
Las exploraciones espaciales actuales utilizan inteligencia artificial (IA) y aprendizaje automático en muchas áreas de las operaciones espaciales, como la planificación de misiones, la recopilación de datos, la navegación y maniobras autónomas y el mantenimiento de naves espaciales. Es más probable que las futuras misiones espaciales deban depender de esta tecnología.
Investigadores de la Universidad de Ciencia y Tecnología King Abdullah (KAUST) y la Universidad China de Hong Kong han desarrollado una tecnología de escaneo lunar que utiliza el aprendizaje automático y la inteligencia artificial para escanear la superficie lunar e identificar la ubicación ideal para el aterrizaje y la exploración.
(Foto: Pixabay)
IA para automatizar la identificación de sitios de aterrizaje y exploración en la superficie lunar
Elección de sitios de aterrizaje lunar
¿Cómo eligió la NASA los sitios de aterrizaje lunar? ¿Por qué es importante elegir el mejor sitio de aterrizaje?
Antes de las misiones Apolo, los científicos solo tenían imágenes pixeladas de sondas que no necesariamente ayudaban a los ingenieros espaciales a identificar los mejores sitios de aterrizaje. La Luna tiene cráteres más profundos que la Fosa de las Marianas y montañas más altas que el Monte Everest, por lo que elegir el lugar ideal para aterrizar un Módulo Lunar de tres patas no será fácil.
Según el sitio web hackear la luna, Los sitios de aterrizaje en la Luna tuvieron que ser identificados cuidadosamente en base a la topografía del área y la trayectoria y trayectoria de vuelo del Módulo Lunar. Incluso el tiempo de lanzamiento se calcula cuidadosamente, ya que la sombra proyectada por el sol puede ocultar detalles importantes para el aterrizaje.
La elección de diferentes sitios de aterrizaje proporcionará flexibilidad en el despegue, y las tripulaciones ya no tendrán dificultades para prepararse para una sola ubicación cuando podrían despegar en algunas ubicaciones diferentes si algún día las demoras en la Tierra hacen que una ubicación sea inaccesible.
Pero escanear la superficie lunar en busca del lugar de aterrizaje ideal es laborioso y, a menudo, inexacto. Es por eso que los científicos han aplicado el aprendizaje automático y la inteligencia artificial para automatizar la identificación de posibles sitios de exploración y aterrizaje lunar.
LEER TAMBIÉN: La Luna tiene muchos más cráteres de los que la mayoría de la gente pensaba
Uso de inteligencia artificial y aprendizaje automático para encontrar sitios de aterrizaje lunar y exploración
Siyuan Chen, uno de los científicos involucrados en el estudio, dijo que estaba buscando características lunares como cráteres y canales que son puntos calientes de uranio y helio-3, recursos prometedores para la fisión nuclear. Por otro lado, aprendieron que los cráteres lunares también son recursos valiosos para repostar naves espaciales.
Creen que el aprendizaje automático puede ser una técnica eficaz para entrenar al modelo de IA para que busque estas características lunares. EurekAlert! informó. Sin embargo, no hay un conjunto de datos etiquetado para los canales que podrían introducirse en su modelo de IA.
Por lo tanto, el equipo construyó su propio conjunto de datos de entrenamiento con anotaciones para cráteres y canales utilizando el enfoque de aprendizaje por transferencia para entrenar a la IA. Su nuevo método no requerirá ninguna intervención humana, a diferencia de los enfoques anteriores, y también les permitirá generar un gran conjunto de datos de alta calidad.
El siguiente problema en el que están trabajando es identificar cráteres y canales al mismo tiempo, algo que no se había hecho antes. Chen dijo que resolvieron este problema desarrollando un marco de aprendizaje profundo llamado red lunar de alta resolución. Está compuesto por dos redes independientes que comparten la misma arquitectura de red para identificar los recursos lunares simultáneamente.
Según los medios, el método del equipo tiene una precisión del 83,7%, superior a los métodos de última generación utilizados para detectar cráteres lunares.
El equipo publicó su estudio, titulado «Detección de recursos lunares para el descubrimiento de energía a través del aprendizaje profundo» adentro Energía aplicada.
ARTÍCULO RELACIONADO: Space App Camp: vea cómo unirse al evento de la ESA para ganar $ 2,900 creando una aplicación para hacer públicos los datos de Google Earth
Consulte más noticias e información sobre Inteligencia artificial en el Science Times.
