NASA-astronauten kunnen kunstmatige intelligentie en skylinebeelden gebruiken om over het maanoppervlak te navigeren

Dit is de vraag waar de astronauten die voet op de maan (en later op Mars) zetten een antwoord op zullen moeten vinden. Op de aarde gebaseerde navigatiesystemen zijn afhankelijk van een netwerk van satellieten dat tientallen jaren nodig heeft gehad om te bouwen, een netwerk dat volledig afwezig is in de banen van alle andere hemellichamen in dit zonnestelsel.

Er zijn veel uitdagingen voor de verkenning van de ruimte, en NASA en haar partners haasten zich om antwoorden te vinden op al deze uitdagingen nu de lanceringsdatum van de bemande Artemis-missies nadert. Volgens het agentschap zijn toekomstige plannen voor het verkennen en koloniseren van de maan en andere plaatsen op de zon nodig “Vind nieuwe manieren om tussen deze objecten te bewegen.” […] Bij gebrek aan traditionele navigatiesystemen zoals het Global Positioning System (GPS).

Er zijn veel manieren om onderzoek te doen om oplossingen voor dit probleem te vinden, en van tijd tot tijd worden er nieuwe methoden aangekondigd. Dit verhaal concentreert zich op wat wij kennen als visuele navigatie, en de ideeën die dit tot een haalbare oplossing kunnen maken.

Kort gezegd betekent optica het gebruik van zicht. Voor navigatie betekent dit dat we niet alleen menselijke ogen moeten gebruiken, maar ook camera's en sensoren, die allemaal zullen samenwerken om ervoor te zorgen dat ontdekkingsreizigers van onze buitenaardse werelden niet verdwalen tijdens hun avonturen.

De visuele navigatie die NASA voor ogen heeft, zou sensorgegevens gebruiken om terrein in kaart te brengen. Het is een project dat hoog op de prioriteitenlijst staat van het Goddard Space Flight Center in Greenbelt, Maryland – een plaats die al is begonnen met de inzet van dergelijke technologieën, meer specifiek het Goddard Image Analysis and Navigation Instrument (GIANT) dat het OSIRIS-REx-ruimtevaartuig begeleidde monsters plukken van het oppervlak van een asteroïde genaamd Pino.

GIANT werd gebruikt om het oppervlak van de asteroïde te zien en te voelen en vervolgens 3D-kaarten van het oppervlak te maken. Hij berekende ook zorgvuldig de afstanden, zodat het ruimtevaartuig zijn magie kon doen zonder het oppervlak te raken.

Na veel waardevolle lessen te hebben geleerd uit het GIANT-experiment, kijkt NASA nu uit naar de volgende fase in de evolutie van visuele navigatie. Het lijkt erop dat ze niet één, maar drie van dergelijke fasen heeft gevonden, afkomstig uit hetzelfde Goddard-centrum. We zullen elk van hen in de volgende regels nader bekijken.

Vera-modelleringsmotor

Bij het beslissen over zaken als waar een ruimtevaartuig moet landen of waar een leefgebied moet worden ingericht, hebben ruimtevaartingenieurs zeer gedetailleerde beelden van het doelgebied nodig. Dit is waar de Vira-modelleringsengine in het spel komt.

Vira is het werk van een Goddard-stagiair genaamd Chris Ghannam, en combineert in wezen de snelheid en efficiëntie van grafische ontwerpers voor consumenten met de precisie van GIANT die ik hierboven noemde. Maar in tegenstelling tot dat hulpmiddel kan het 100 keer sneller 3D-omgevingen creëren.

Dit zou NASA in staat moeten stellen complexe planetaire oppervlakken te modelleren en zichzelf te informeren over zaken als potentiële landingszones en gevaren.

De tool wordt momenteel gebruikt om maannavigatiekaarten (LuNaMaps) te maken die hopelijk de kwaliteit van de kaarten van de zuidpool van de maan zullen verbeteren, waar de Artemis-astronauten naar verwachting over ongeveer twee jaar zullen landen.

Beweeg tussen afbeeldingen in zichtN

Afbeelding: NASA

Al honderden jaren oriënteren mensen hier op aarde zich eenvoudigweg door naar verschillende objecten te kijken, inclusief de horizon. Net als lang geleden kan het simpelweg zien van de horizon voldoende zijn om oriëntatie in een onbekende omgeving mogelijk te maken.

Dit idee wordt onderzocht door Andrew Leonis, Andrew Tenenbaum, Will Dressen en Alvin Yu van het Goddard Center. In feite is het heel eenvoudig. Het systeem werkt als volgt: een astronaut of machine maakt een foto van de horizon en dat beeld wordt vervolgens afgespeeld via een bestaande kaart. Op basis van de vergelijking met de database moet de tool de locatie van de persoon die de foto maakt, bij benadering kunnen bepalen.

Hoe nauwkeurig is dit systeem? Op het moment dat we dit schrijven hebben we het over honderden meters, maar er wordt gewerkt aan verbetering ervan, zodat het systeem tot op tientallen meters nauwkeurig is. Als dat gebeurt, hoopt NASA dat deze technologie kan worden gebruikt om mensen en machines te begeleiden bij hun verkenning van de maan.

Gavin gereedschap

GAVIN is de afkorting van Goddard AI Verification and Integration en wordt onderzocht door Goddard-stagiair Timothy Chase. We hebben het eigenlijk over software die tot doel heeft visuele navigatie te automatiseren.

NASA Het project zegt niet precies hoe het GAVIN-apparaat zou moeten werken, maar onthult wel dat het zal worden gebruikt om deep learning-modellen te bouwen die kunnen worden gebruikt om navigatie te automatiseren. Een interessant neveneffect van dit onderzoek is dat de techniek ook gebruikt zou kunnen worden om kraters te identificeren in objecten met weinig licht – net zoals de kraters die NASA verwacht dat astronauten tegenkomen op hun maanlandingsplaatsen.

NASA maakte geen melding van de voortgang van elk van deze projecten, en of het daadwerkelijk van plan is een van deze projecten te gebruiken bij komende Artemis-maanmissies.