IT ITL’esplorazione spaziale è raramente portata avanti da astronauti: i principali progetti di esplorazione attivi al momento si fondano su veicoli spaziali completamente o parzialmente automatizzati.
Le Sonde Spaziali, navicelle senza equipaggi, sono capaci di determinare caratteristiche fisiche, chimiche e geologiche di un corpo celeste sorvolandolo rapidamente o entrando nella sua orbita.
I Rover invece, dotati di sensori, telecamere e strumenti di misurazione sofisticati, sono in grado di muoversi proprio sulla superficie di pianeti ed asteroidi e in alcuni casi raccolgono addirittura campioni di materiale da riportare sulla terra, riuscendo nel complesso a recuperare informazioni più precise rispetto alle Sonde.
Per questo i Rover sono particolarmente preziosi e in futuro potrebbero essere impiegati anche nell’esplorazioni fuori dal Sistema Solare.
Uno degli ostacoli più grandi per l’esplorazione coi Rover, tuttavia, è la difficoltà di navigazione sulla superficie. In territori totalmente alieni, mai esplorati prima, i Rover incorrono spesso in percorsi inaspettati che non riconoscono, talvolta pericolosi .
Due tra i Rover marziani di maggior successo, Opportunity e Curiosity, sono rimasti bloccati nella sabbia per settimane, mentre il loro antenato di maggior successo, Spirit, ha cessato di funzionare dopo essere rimasto intrappolato in una buca di sabbia.
Per questo il Jet Propulsion Laboratory (JPL) della NASA sta sviluppando un algoritmo capace di classificare in tempo reale il tipo di terreno e le condizioni circostanti, lo SPOC (Soil Property and Object Classification Algorithm).
I Rover dotati del classificatore automatico saranno in grado di riconoscere le zone più adatte dove riposare, spostarsi e ibernarsi, e avranno così un viaggio più sicuro e meno complicato.
Il team del JPL guidato dall’ingegnere Hiro Ono lavora ormai da alcuni anni allo sviluppo degli Algoritmi SPOC e ne ha sviluppati quattro per ora.
I più semplici, SPOC-Lite e SPOC-HPSC/SNPE utilizzano modelli di Machine Learning piuttosto essenziali (Support-Vector Machines) e saranno impiegati in fase di atterraggio. SPOC-HiRISE e SPOC-NAVCAM, invece, verranno impiegati a bordo dei Rover per l’esplorazione effettiva, e sono quindi basati su Modelli più raffinati di Machine Learning, fondati su Reti Neurali Convoluzionali profonde (CNN).
Per addestrare i Modelli di Intelligenza Artificiale è necessaria però una grande quantità di dati e se è vero che le immagini dalle precedenti esplorazioni non mancano, il processo di classificazione per centinaia di migliaia di immagini può essere piuttosto complesso.
Per questo la NASA ha coinvolto i singoli cittadini nell’operazione e ha creato il progetto AI4Mars: partecipando è possibile classificare le immagini già raccolte dai Rover marziani e partecipare quindi al successo delle future esplorazioni sul pianeta.
I modelli di IA in grado di interpretare il loro ambiente possono essere utilizzati anche al di là dell’esplorazione spaziale. Sulla Terra infatti applicazioni del genere possono essere utilizzati per implementare controlli di sicurezza su veicoli e macchinari o guidare veicoli automatizzati, sia in contesto casalingo che lavorativo.
Ad Aidia sviluppiamo soluzioni di questo tipo utilizzando i più sofisticati modelli di Machine Learning.
Se vuoi saperne di più contattaci o inviaci una mail ad info@aidia.it.
Marketing Specialist in AIDIA, laureata in Studi Internazionali a Firenze, appassionata di storia, economia e delle cose bizzarre del mondo.
In Aidia sviluppiamo soluzioni software basate su IA, soluzioni di NLP, Big Data Analytics e Data Science. Soluzioni innovative per ottimizzare i processi ed efficientizzare i flussi di lavoro. Per saperne di più, contattaci o inviaci una mail a info@aidia.it.
