「火星2020」NASA自主化太空探測系統超越《2001太空漫遊》

新智元編譯

火星2020計劃是一個雄心勃勃的使命。美國航空航天局計劃在1.25個火星年（相當於28個地球月）內收集20個岩芯和土壤樣品。這是一個不需要人工智慧的任務，因為火星車不能浪費太多時間來等待遠程指令。

目前，美國航空航天局噴氣推進實驗室的火星科學實驗室每天花8小時來規劃好奇號火星車的日常活動，然後通過美國航空航天局的深度空間網路來發送指令。實驗室項目經理會告訴火星車什麼時候醒來，需要用多長時間加熱儀器以及如何避開岩石以免車輪被進一步扎破。

火星2020項將需要火星車具有更多自主性。火星科學實驗室任務經理Jennifer Trosper說：「任務的步調快慢是由與地面的通訊次數決定的。「 火星車自己能做的越多，最終能實施的任務就越多。」

耗資24億美元的「火星2020」任務只是NASA越來越依賴人工智慧的一個例子。 許多NASA 科學家和工程師寧願談論機器學習和自動化而不是人工智慧，因為人工智慧這個術語在空間探索社群中有時會引起對亞瑟·克拉克的《2001年：太空漫遊》中邪惡電腦 HAL 9000 的想像。

圖說：美國宇航局依靠人工智慧來確定什麼是火星上有前景的勘探目標。排名最高的目標是綠色陰影部分，第二名的目標是橙色部分。來自：NASA / JPL-CALTECH

要明確的是，美國航空航天局並沒有試圖創造HAL9000 這樣的怪物。 相反，工程師正在開發軟體和演算法來滿足任務的具體要求。

NASA 艾姆斯研究中心智能機器人部門主管 Kelly Fong表示：「今天的工作重點不在於一般性情報，而是試圖讓系統更獨立，更自立，更自主。「

對於人類太空梭，這意味著用軟體幫助宇航員應對從設備故障到醫療緊急情況等突發事件。 例如，醫療支持工具將數據挖掘與推理、學習演算法結合起來，幫助宇航員在火星上進行長達多個月的任務，處理從日常護理到疾病傷害的一切事宜，無需時時刻刻與一大群地球上的飛行監控者進行對話「 Fong 說。

通過機器人化的火星任務，美國航空航天局正在創造越來越強大的火星車。NASA的2004年登陸火星的探測車勇氣號和機遇號能做的事情非常少，儘管他們通過軟體升級已獲得了一些自主性。與之相比，好奇號要強大得多。

去年，好奇號開始使用名為《科學信息收集自主探索》的軟體，該軟體將計算機視覺與機器學習相結合，根據科學家確定的標準選擇岩石和土壤樣本進行調查。 火星車可以使用 ChemCam 激光器對目標進行分析，解析燃燒的氣體，將數據與圖像打包並發送到地球。

NASA噴射推動實驗室機器學習研究員Kiri Wagstaff說：「科學家對這一成就感到興奮，因為過去他們必須逐個查看圖像，選擇目標，發出命令並等待數據。」雖然數據在10到30分鐘內就能在地球和火星之間傳播，但各個任務控制器只能在深度空間網路為該控制器分配的時間段內發送和接收數據。

Wagstaff 說：「即使火星車可以和我們24小時聊天，我們也不會總是在聽。我們只在10分鐘的窗口中聽一次到兩次，因為深度空間網路同時也在忙於監聽Cassini號，Voyager號，先鋒號，新視野號和其他任務。」

火星2020號火星車的目標是更好地利用與項目經理的有限通信，讓自己做更多的事情。它將自己喚醒自己，將儀器加熱到適當的溫度，然後執行那些必須性任務，如果剩餘電池電量充足的話再執行一些額外的任務。

好奇號火星探測車使用計算機視覺和機器學習相結合的軟體，根據科學家在地球上設定的標準來選擇岩石和土壤樣本進行調查。來源：NASA/JPL-CALTECH

「理想情況下，我們希望能對火星車說，『 我們對這個領域感興趣。 我們需要用儀器獲得這些物理對象和周邊背景的圖像。當你幹完這些後告訴我們，我們將使用這些信息來獲取物質樣品，『 」Trosper說。

NASA還沒有實現這一目標，但是2020火星項目正通過軟體在這個方向上採取行動，使火星車能夠在火星地形中穿行，避免障礙。 Fong 說，「這類似幼兒要學習的基本技能：走路時不要撞到東西。但這確實是很有用的技能。這種自主性正在越來越多地進入我們的空間系統。「

NASA 未來的任務，例如Europa Clipper 項目將需要強健的人工智慧，以尋找從木衛二地下海洋中升起的煙柱和由熱液噴射造成的冰縫。 瓦格斯塔夫說：科學家無法預測何時何地能發現新東西，他們需要人工智慧來「觀察事物，注意到它們，捕獲數據並將其發回給我們」。

在 Europa Clipper的儀器收集數據後，航天器的車載處理器將需要為觀測分配優先順序，傳送最有價值的數據到地球，Wagstaff 說。 「我們能收集到的數據總是比我們能傳輸的數據更多。」

對於那些比火星更遙遠的任務來說，這一點尤其重要。NASA的軌道飛船可以中繼數據。去木衛二、土衛六等星體的任務也會遇到通信延誤。

NASA已經開發了可用於未來海洋任務的地球觀測衛星軟體。 2013年推出的智能有效載荷實驗立體聲，可依靠機器學習來分析圖像，突出顯示出其周圍環境中的任何東西。

Wagstaff 說：「它的眼睛會開放搜索任何不符合我們預期的東西，或任何突出的、不一樣的東西。我們無法預測我們將要找到什麼。 我們不想因為沒有對工具進行訓練而錯過任何東西。「

一個已提出的未來任務是，通過木衛二冰來調查生命是否存在於木衛二的地下海洋中，這將需要更多的艦上情報。 NASA可能會設計軟體來尋找化學成分或溫度方面的不一致。 Wagstaff 說：「這樣, 你就不必事先猜測生命必須是什麼樣子、生命體會吃什麼、依靠什麼能源。」

在工程師將軟硬體發送到太空之前，他們會在地球上類似的環境中進行廣泛的測試。 他們會在沙漠中測試火星任務。木衛二任務的最佳模擬環境可能是北極的冰川沉積。

Wagstaff 說：「我們非常明白必須儘可能減輕風險，因為我們正在處理耗資數億數十億美元的航天器。 有些情況下，我們所做的一切都要經過多年的測試，才會被放在航天器上。「

與此同時，SpaceX和波音公司也在建造的太空梭，用於在地球和國際空間站之間搭載宇航員。當太空梭與空間站對接時，宇航員將監控感測器和圖像處理器。 波音公司的系統依靠相機、紅外成像儀和測距感測器創建三維地圖，而系統的中央處理器將確定哪個感測器更可能是準確的，並且相應地對數據進行加權，以確保先前快速行進的兩個太空體以約4厘米每秒的速度慢速接觸。

在很多方面，宇宙飛船的智能自主性與飛機的智能自主性相似。受雇于波音的前空中客車指揮官 Chris Ferguson 說，「無論在商用飛機還是航天器上，每個人都開始意識到飛行員正在變成系統的監事者，而不再是事事親力親為的實施者。未來，宇航員所面對的界面將是類似飛機盲降系統那樣的高度自動化界面。」

編譯來源：http://spacenews.com/beyond-hal-how-artificial-intelligence-is-changing-space-systems/

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！