深度学习加持下，NASA火星漫游车将走得更远、更快、更稳！

美国宇航局的火星漫游车是过去二十年来在科学和太空领域取得的伟大成就之一。四代漫游车已经穿越这颗红色星球，收集科学数据，发回令人印象深刻的照片，并在令人难以置信的恶劣条件下生存下来——所有这些都是使用比iPhone 1功能更弱的车载电脑。最新版漫游车“毅力”号于2020年7月30日发射升空，而工程师们已经在梦想下一代漫游者了。

虽然这是一项重大成就，但这些任务只是触及了这颗红色星球及其地质、地理和大气的表面。

美国宇航局喷气推进实验室(JPL) Robotic Surface Mobility Group项目负责人Masahiro (Hiro) Ono说，“火星的表面面积大约与地球上的土地面积一样。”该项目领导所有火星漫游车任务，其中一名研究人员开发了软件，使目前的漫游者能够运行。

“想象一下，你是一个外星人，你对地球几乎一无所知，你降落在地球上的七八个地方，然后开车几百公里。那些外星物种对地球了解得够多吗?” Ono问，“没有。如果我们想展示火星的巨大多样性，我们就需要在地面上进行更多的测量，关键是大大延长了距离，希望能达到数千英里。”

在计算能力有限、能源消耗有限的情况下穿越火星多样而危险的地形，这将是一个巨大的挑战。

第一代漫游车“索杰纳”（Sojourner），覆盖了330英尺（约100米）；第二艘“勇气号”(Spirit)在大约5年内移动了4.8英里（约7725米）;“机遇号”在15年间移动了28英里（45061米）；“好奇号”自2012年着陆以来已经移动了12英里（19312米）。 

Ono说:“我们的团队正在研究火星机器人自主化，以使未来的漫游车更智能、更安全、更高效，特别是能开得更快更远。”

新的硬件，新的可能性

今年夏天发布的“毅力号”漫游车，使用BAE系统电子公司生产的RAD 750抗辐射单板计算机进行计算。

然而，未来的任务可能会使用通过高性能航天计算(HPSC)项目设计的新型高性能、多核辐射硬化处理器。(高通的骁龙处理器也在接受任务测试。)这些芯片将提供约100倍的计算能力，目前飞行处理器耗电量相同。

“你在我们最新火星漫游车上所看到的所有自主基本上都是人机回圈（Human-in-the-loop），按照NASA喷气推进实验室的副首席技术和创新官Chris Mattmann的说法，意思是它需要人类的互动来操作。部分原因是其上运行的处理器的限制。这些新芯片的核心任务之一是进行深度学习和机器学习，就像我们在陆地上所做的那样。在新的计算环境下，什么是杀手级应用程序？”

基于机器学习的自动漫游车系统分析(MAARS)项目始于三年前，将于今年结束，它涵盖了人工智能可能有用的一系列领域。该团队在2020年3月的hIEEE航空航天会议上展示了MAARS项目的结果。该项目入围了美国宇航局软件奖。

“地面高性能计算在自动驾驶车辆导航、机器学习和基于地球的应用数据分析方面实现了令人难以置信的突破。” 该团队在IEEE的论文中写道，“这类进展在火星探索中出现的主要障碍是，地球上最好的计算机都在那里，而最有价值的数据却在火星上。”

在德克萨斯州高级计算中心(TACC)的Maverick2超级计算机上训练机器学习模型，以及在亚马逊网络服务和喷气推进实验室集群上，Ono、Mattmann和他们的团队已经为未来的火星漫游车开发了两种新的能力，他们称之为驾驶科学和能源优化自主导航。

能量最优、自主导航

Ono是为“毅力号”编写车载寻路软件的团队成员之一。“毅力号”的软件包括一些机器学习能力，但它的寻路方式仍然相当幼稚。

“我们希望未来的漫游车能像人类一样看到和了解地形。” Ono说，“对于漫游车来说，能源是非常重要的。火星上没有铺好的公路。驾驶能力因地形的不同而有很大的不同，例如沙滩和岩石。目前还没有考虑到这一点。在所有这些限制条件下想出一条路径是很复杂的，但那是我们能用HPSC或骁龙芯片处理的计算水平。不过要做到这一点，我们需要稍微改变一下模式。”

Ono解释说，新范式是由政策主导的，是介于人类主导的“从A到B，做C”和纯粹自主的“去做科学”之间的中间地带。 

政策指挥包括对一系列情况进行预先规划，然后让漫游车决定它遇到的情况以及它应该做什么。

“我们使用地面上的超级计算机，我们拥有像TACC一样的无限计算资源，来制定一个政策计划:如果是X，那么就这样做;如果是y，那就去做吧。” Ono解释道，“基本上，我们会制定一个庞大的任务清单，然后向漫游车发送千兆字节的数据，并将数据压缩到一张巨大的表格中。然后，我们将利用漫游车增加的动力来解压缩政策并执行它。” 

预先计划的列表是使用机器学习衍生的优化生成的。然后，板载芯片可以使用这些计划进行推断：从它的环境中提取输入，并将它们插入预先训练好的模型中。推理任务在计算上要容易得多，而且可以通过芯片进行计算，就像未来火星探测车的芯片一样。

“月球车可以灵活地改变飞船上的计划，而不只是坚持一系列预先计划好的方案。” Ono说，“如果有不好的事情发生或者它发现了有趣的事情，这一点很重要。”

“搭便车的”科学

根据Mattmann的说法，目前的火星任务通常使用探测车传回的数十张图片来决定第二天的任务。“但如果将来我们能用100万张图片来代替文字说明呢?这是驱动科学的核心原则。”他说，“如果火星车能够返回经过科学验证的文字标签和说明文字，我们的任务团队将有更多的工作要做。” 

Mattmann和团队在漫游车任务中采用了谷歌的Show and Tell软件——2014年首次推出的神经图像说明生成器，这是该技术首次在非谷歌领域的应用。

该算法接收图像并给出可读懂的字幕。这些包括基本但关键的信息，比如基数——有多少岩石，有多远？以及诸如基岩附近露头的脉状结构等特性。Mattmann说:“我们目前使用图像来确定什么是有趣的科学知识类型。”

在过去的几年里，行星地质学家们已经标记和策划了火星特有的图像注释来训练这个模型。

“我们利用这100万条文字说明来发现另外100件重要的事情。” Mattmann说，“利用搜索和信息检索能力，我们可以对目标进行优先排序。人类仍然掌握着信息，但他们正在获取更多的信息，并且能够更快地搜索。” 

该团队的研究结果将发表在2020年9月的《行星与空间科学》上。

事实证明，TACC的超级计算机帮助JPL团队测试了该系统。在Maverick 2中，团队使用专家创建的6700个标签来训练、验证和改进他们的模型。

未来的火星漫游车必须具备更远的旅行能力。例如，由欧洲空间协会(European Space Association)计划开发并于本世纪20年代末发射的“获取样本”(Sample Fetch Rover)探测器就是一个例子。该探测器的主要任务是采集火星2020漫游车挖掘的样本。

“这些漫游车在几年的时间里必须比之前的漫游车行驶10倍的距离，才能收集到所有的样本，并把它们送到会合地点。” Mattmann说，“我们需要在驾驶和使用能源的方式上更加明智。” 

在将新的模型和算法装载到太空漫游车上之前，它们将在喷气推进实验室旁边的一个尘土训练场上接受测试，喷气推进实验室是火星表面的地球模拟设备。

该团队开发了一个演示，展示了一个头顶地图，漫游者收集的流媒体图像，以及在漫游者上运行的实时算法，然后展示了漫游者在车上进行地形分类和字幕。他们原本希望在今年春天完成对新系统的测试，但COVID-19关闭了实验室，推迟了测试。

与此同时，Ono和他的团队开发了一款民间科学应用程序AI4Mars，该程序允许公众对“好奇号”探测器拍摄的2万多张照片进行注释。这些将被用来进一步训练机器学习算法来识别和避免危险的地形。 

到目前为止，公众在不到三个月的时间里已经创造了17万个标签。“人们非常兴奋！这是大家提供帮助的一个机会。人们创造的标签将帮助我们让探测器更安全。”

Ono说，为未来自主任务开发一种新的基于人工智能的范例的努力不仅可以应用于漫游车，还可以应用于任何自主太空任务，从轨道飞行器到飞行探测器到星际探测器。

“更强大的机载计算能力、在TACC这样的高性能计算机上计算的预先计划的命令，以及新算法的结合，有可能让未来的漫游者走得更远，做更多的科学研究。”

编译/前瞻经济学人APP资讯组

原文来源：

https://techxplore.com/news/2020-08-biomorphic-batteries-72x-energy-robots.html