La misión del Curiosity es estudiar el sustrato del cráter Gale del planeta rojo para descubrir si en algún momento tuvo características compatibles con la existencia de vida. AEGIS selecciona rocas de aspecto interesante y ordena al robot que dispare su cámara láser en las piedras para vaporizarlas y analizar su composición. "Programamos el Curiosity para usar el sistema cuando el robot se traslada a un nuevo sitio y, desde la Tierra, tardamos un determinado tiempo en conocer su ubicación exacta y qué está a su alrededor", cuenta a EL PAÍS Raymond Francis, miembro del Jet Propulsion Lab que creó el software. "Durante ese período, el sistema permite al Curiosity tomar la decisión de qué es importante analizar".
Francis es uno de los desarrolladores que enseñaron a AEGIS cómo reconocer la roca madre, que contiene pistas sobre la capacidad pasada de Marte de soportar la vida. El 93% de los casos, la inteligencia artificial elige el mismo objetivo que un ser humano habría elegido, pero sin los 48 minutos que el Curiosity tardaría en enviar una imagen a la NASA y recibir órdenes de vuelta —un tiempo de inactividad considerable para una máquina que costó 2.600 millones de dólares—. Gracias al nuevo sistema, el robot tarda entre 90 y 105 segundos en apuntar, disparar a la piedra y analizar los resultados.
AEGIS también tiene la capacidad de corregir el objetivo de la cámara láser para ayudar los controladores humanos cuando quieren analizar una característica muy pequeña en una roca. Si la NASA no da con ese detalle en el primer intento, la medición podría perderse para siempre, porque el robot necesita trasladarse a otro sitio rápidamente. Ese sistema de corrección puede ralentizar las cosas por unos minutos, pero en las dos veces que se le ha utilizado, corrigió disparos que hubieran perdido el objetivo y, en palabras del equipo de científicos, "salvó el día". El equipo señala, sin embargo, que evita ejecutar AEGIS cuando las baterías del Curiosity están cerca de agotarse o cuando hay demasiados datos para transmitir a la Tierra.
Francis cuenta que el sistema fue creado en 2010 originalmente para el robot Opportunity, que lleva 13 años en Marte, para capturar imágenes de cantos rodados. "Desde entonces, hemos mejorado su capacidad para discriminar materiales", dice. El equipo trabaja ahora para aumentar la flexibilidad de AEGIS para seleccionar objetivos, apuntar y obtener mediciones. Y el próximo robot de la NASA que aterrizará en el planeta rojo en 2020 contará con una cámara más potente, capaz de analizar las estructuras cristalinas y los espectrómetros visibles e infrarrojos a distancia.
La NASA pretende que las naves y robots espaciales se organicen y se coordinen de manera autónoma para explorar mundos distantes
"El robot de 2020 también tendrá un sistema de planificación, es decir, será capaz de comprobar cómo va el cronograma de sus actividades, y si llega a un resultado más rápido de lo planeado, se reprogramará para incluir más tareas en un mismo día. Lo mismo puede ocurrir si algo sale mal y hay algún retraso en la misión. El robot se adaptará según las circunstancias", explica Steve Chien, del Grupo de Inteligencia Artificial del Jet Propulsion Lab, quien considera que la inteligencia artificial representa una nueva era en la exploración espacial.
Chien señala que algunos satélites han sido controlados por inteligencia artificial por muchos años, para detectar eventos como erupciones volcánicas, inundaciones o incendios forestales. Esa tecnología también permite que los satélites puedan comunicarse con otros sensores espaciales para intercambiar notificaciones. "Queremos dotar los robots espaciales con la misma capacidad. Para las naves más alejadas de la Tierra, no tener que esperar un comando humano hace que sea más fácil estudiar fenómenos de corta duración como remolinos de arena en Marte o chorros de gas que salen de un cometa", sostiene el científico.
Si algún día la humanidad llega a Alfa Centauri, probablemente lo hará gracias a robots de aprendizaje automático
La NASA pretende que en el futuro las naves y robots espaciales puedan organizarse y coordinarse entre si de manera autónoma para explorar de manera más eficiente mundos distantes, a través de machine learning (aprendizaje automático) y robótica de enjambres. "Pero, hasta ahora, el aprendizaje automático solo ha sido utilizado por el equipo en la Tierra para analizar los datos extraídos de la nave espacial. El machine learning en el espacio llegará algún día, pero solo después de mucho más tiempo de desarrollo y experiencia con inteligencia artificial", matiza Chien. Cuando ese día llegue, los robots autónomos podrán explorar sitios como Europa, la luna helada de Júpiter cuyo océano subterráneo podría albergar vida. "Nuestro objetivo es incorporar machine learning para que la Mission Cassini llegue a Europa el 2026 o el 2028", cuenta.
Y si algún día la humanidad llega a Alfa Centauri, el sistema de estrellas más cercano, donde se encuentra el potencialmente habitable exoplaneta Proxima b, probablemente lo hará gracias a robots de aprendizaje automático. "Ese es nuestro reto final, pero la nave tendría que ser muy resistente y robusta. Además, solo el trayecto de ida y vuelta tardaría nueve años-luz, con lo cual la misión debería ser totalmente autónoma, sin ningún apoyo humano", comenta Chien. El experto opina que la inteligencia artificial tendría que avanzar mucho en detección de eventos, gestión de recursos y coordinación de agentes múltiples antes de que se pueda considerar realizar esas misiones. Añade, sin embargo, que las innovaciones actuales ya allanan el camino para hacerlas realidad.https://elpais.com/
No hay comentarios:
Publicar un comentario