Vi vet alla hur utforskning med rover fungerar. Rovern dirigeras till en plats och uppmanas att ta ett prov. Sedan utsätter den provet för analys och skickar hem resultaten. Det har varit anmärkningsvärt effektivt.
Men det är dyrt och tidskrävande att skicka hem all denna data. Kommer det här sättet att göra saker fortfarande att fungera? Eller går det att automatisera?
Huvudsaken för uppdragen till Mars just nu är att upptäcka tidigare tecken på liv. En rover samlar in ett prov, gör en inledande analys på det och skickar sedan hem data. Problemet är kostnaden och den tid det tar att skicka all denna data tillbaka till jorden. Tänk om rovers var smartare och kunde optimera data de skickar tillbaka till jorden? Skulle de då kunna övervinna några av de allvarliga begränsningarna för att skicka data tillbaka till jorden?
'Vi måste prioritera mängden data vi skickar tillbaka till jorden, men vi måste också se till att vi inte kastar ut viktig information när vi gör det.'
Victoria Da Poian, ledande forskare, NASA Goddard Space Flight Center.
Det är en fråga som ett par forskare tar upp. De presenterade sin forskning nyligen Goldschmidt-konferensen . Ledande forskare är Victoria Da Poian från NASA:s Goddard Space Flight Center. Da Poian och hennes medforskare Eric Lyness, också från GSFC, har utvecklat ett AI-system som kommer att debutera på ESA/Roscosmos ExoMars Rover , som kommer att landa på Mars 2023.
Rosalind Franklin-rover kommer sannolikt att landa vid Oxia Planum, nära Mars ekvator. Det området har en jämn landningsplats och har också potential att hålla bevarade biosignaturer. Bildkredit: Av NASA – http://marsnext.jpl.nasa.gov/workshops/2014_05/14_Oxia_Thollot_webpage.pdf, Public Domain, https://commons.wikimedia.org/w/index.php?curid=44399454
'Detta är ett visionärt steg i rymdutforskningen,' sa Da Poian i en pressmeddelande . 'Det betyder att vi med tiden har gått från idén att människor är involverade i nästan allt i rymden, till idén att datorer är utrustade med intelligenta system, och de är tränade att fatta vissa beslut och kan sända i prioritet. den mest intressanta eller tidskritiska informationen.”
Frågan om effektiv dataöverföring är verklig. Det är en flaskhals i uppdragsdesign. Data har en kostnad – kolla din mobiltelefonplan – och när vi skickar uppdrag längre och längre ut i solsystemet, och när våra rovers och orbiters blir mer och mer vetenskapligt kapabla, kommer kostnaden för att överföra all denna data att svälla.
'Data från en rover på Mars kan kosta så mycket som 100 000 gånger så mycket som data på din mobiltelefon, så vi måste göra dessa bitar så vetenskapligt värdefulla som möjligt.' sa medforskaren Eric Lyness.
Men som Lyness påpekar, det är inte bara kostnaden. Oförmågan hos nuvarande rovers att överväga vad de gör med sina prover håller oss tillbaka vetenskapligt.
Mars Organic Molecule-analysatorn är det största instrumentet på Rosalind Franklin-rover. Den fräser proverna, värmer dem och utför masspektrometri och gaskromatografi för att identifiera molekyler. Det nya neurala nät-AI-systemet kommer att testas med MOMA på Mars. Bildkredit: Max Planck Institute for Solar System Research.
'Det kostar mycket tid och pengar att skicka tillbaka data till jorden, vilket innebär att forskare inte kan köra så många experiment eller analysera så många prover som de skulle vilja,' sa Lyness i en pressmeddelande . 'Genom att använda AI för att göra en första analys av data efter att den har samlats in men innan den skickas tillbaka till jorden kan NASA optimera vad vi tar emot, vilket avsevärt ökar det vetenskapliga värdet av rymduppdrag.'
Detta arbete är centrerat kring ett enda instrument på ExoMars Rover. (Rovern har döpts om till Rosalind Franklin Rover , för att hedra forskaren Rosalind Franklin, vars arbete var avgörande för vår förståelse av DNA.) Instrumentet är MOMA, Mars Organic Molecule Analyzer . MOMA är det största instrumentet på Rosalind Franklin, och rovern kan borra ner under Mars-ytan för att samla in prover av organiska molekyler, där de är säkra från nedbrytning från solen och kosmiska strålar.
Men många av MOMAs prover - kanske majoriteten av dem - kommer inte att innehålla några organiska molekyler av intresse. Andra kommer att behöva testas igen. Tanken bakom den nya AI:n är att lämna över dessa beslut till rovern. Det kommer att minska mängden data som behöver överföras, och det kommer förhoppningsvis att öka MOMAs effektivitet.
'Vad vi får från dessa obemannade uppdrag är data, mycket av det; och att skicka data över hundratals miljoner kilometer kan vara mycket utmanande i olika miljöer och extremt dyrt; med andra ord är bandbredden begränsad”, förklarade Da Poian. 'Vi måste prioritera mängden data vi skickar tillbaka till jorden, men vi måste också se till att vi inte kastar ut viktig information när vi gör det. Detta har lett oss till att börja utveckla smarta algoritmer som för tillfället kan hjälpa forskarna med deras analys av provet och deras beslutsprocess angående efterföljande operationer, och som ett långsiktigt mål kommer algoritmer som kommer att analysera själva data justera och ställa in instrumenten för att köra nästa operationer utan jord-i-slingan, och kommer bara att sända hem de mest intressanta data.'
Konstnärens intryck av New Horizons nära möte med Pluto-Charon-systemet. Dataöverföring var en kritisk fråga för uppdraget. Dess förbiflygning av Pluto var den 14 juli 2015. De sista uppgifterna från det mötet mottogs inte på jorden förrän i oktober 2016. Stark AI skulle vara en fördel för uppdrag till de yttre delarna av solsystemet. Kredit: NASA/JHU APL/SwRI/Steve Gribben
Rosalind Franklin kommunicerar med jorden via Trace Gas Orbiter (TGO). TGO:n passerar dock bara ovanför två gånger per dag, så markkontroller kommer inte att kunna styra rovern direkt. Istället är den utformad för att navigera autonomt över Mars-ytan, upp till 70 m (230 ft) per Mars-dag. De intelligenta systemen för provanalys kommer att höja roverns och förhoppningsvis framtida rovers autonoma förmåga. För Rosalind Franklin kommer de flesta provdata fortfarande att skickas tillbaka till jorden, men för framtida rovers kan det förändras.
Teamet testade sitt autonoma system med ett replika MOMA-instrument i deras labb. Testet gjorde det möjligt för dem att 'träna' den neurala nätverksalgoritmen för att känna igen välbekanta föreningar. Systemet kommer sedan att jämföra nytagna prover med sin katalog över kända prover och kommer att varna forskarna när det hittar en matchning.
När MOMA stöter på ett spektrum av en okänd förening kan den kategorisera det med en noggrannhet på upp till 94 %. Och det kan matcha tidigare kända föreningar med en noggrannhet på 87%. Så de potentiella data- och tidsbesparingarna är redan betydande. Och forskarna är inte färdiga: de förbättrar fortfarande dess noggrannhet inför lanseringsdatumet 2023.
'Uppdraget kommer att möta svåra tidsgränser.'
Eric Lyness, medforskare, NASA GSFC
Vi är vana vid att roveruppdrag överskrider sin ursprungliga uppdragslängd avsevärt. Till exempel var NASA:s Opportunity-rover designad för att hålla 90 sol på Mars, men den höll 5 352 sol. Och MSL Curiositys primära uppdrag var planerat för 668 solar, men har arbetat i över 2 800 solar och går fortfarande starkt.
Men det är oklokt att anta att Rosalind Franklin-rovern kommer att överskrida sin uppdragslängd med så stora marginaler. Dess uppdrag är baserat på att resa 4 km (2,5 mi) på sju månader. Hur länge uppdraget faktiskt kommer att pågå är oklart.
ESA Exomars roverlansering har omplanerats till lansering 2023. Kredit: ESA
'Uppdraget kommer att möta svåra tidsgränser. När vi kommer att operera på Mars kommer prover bara att finnas kvar i rovern i högst några veckor innan rovern dumpar provet och flyttar till en ny plats för att borra, säger Lyness. 'Så, om vi behöver testa om ett prov måste vi göra det snabbt, ibland inom 24 timmar.'
'I framtiden, när vi flyttar för att utforska Jupiters månar som Europa och Saturnus som Enceladus och Titan, kommer vi att behöva realtidsbeslut som tas på plats.'
ERic Lyness, medforskare, NASA GSFC
När Rosalind Franklin borrar ner under ytan och samlar ett prov, placeras det i Analytical Laboratory Drawer (ALD). Proverna kommer sedan att analyseras med MOMA och två andra instrument: en infraröd spektrometer som kallas MicrOmega , och en raman spektrometer kallas Raman Laser Spectrometer ( RLS ). Som Lyness påpekar kan prover inte förvaras länge i rovern. Och den tidspressen kommer bara att bli svårare för rovers som utforskar platser som Saturnus måne Titan, destinationen för NASA:s Dragonfly-uppdrag 2026.
I den här illustrationen är Dragonfly-helikopterdrönaren på väg ned till Titans yta. Det uppdraget kommer att möta ännu allvarligare dataöverföringsproblem än Mars-rovers. Bild: NASA
'I framtiden, när vi flyttar för att utforska Jupiters månar som Europa och Saturnus som Enceladus och Titan, kommer vi att behöva realtidsbeslut som tas på plats,' sa Lyness. 'Med dessa månar kan det ta 5 till 7 timmar för en signal från jorden att nå instrumenten, så det här kommer inte att vara som att kontrollera en drönare, med en omedelbar respons. Vi måste ge instrumenten autonomi att fatta snabba beslut för att nå våra vetenskapsmål å våra vägnar.'
'Vi kommer fortfarande att behöva människor för att tolka resultaten, men det första filtret kommer att vara AI-systemet.'
Eric Lyness, medforskare, NASA GSFC
Data från Rosalind Franklins prover är alla baserade på sannolikheter. Uppgifterna kan vara svåra att tolka: det finns inget rött ljus som blinkar och säger 'Evidence of Life Found!' Uppgifterna och dess sannolikheter behöver tolkas, gärna av olika forskare inom vetenskapssamfundet som sedan publicerar sina resultat.
'Dessa resultat kommer till stor del att berätta för oss om geokemin som instrumenten hittar.' sa Lyness. 'Vi siktar på att systemet ska ge vetenskapsmän anvisningar, till exempel kan vårt system säga 'Jag har 91 % förtroende för att det här provet motsvarar ett prov från verkligheten och jag är 87% säker på att det är fosfolipider, liknande en provet testades den 24 juli 2018 och här är hur dessa data såg ut.” Vi kommer fortfarande att behöva människor för att tolka resultaten, men det första filtret kommer att vara AI-systemet.”
System som det här kommer bara att bli mer sofistikerade. Det finns några potentiella fallgropar för system som dessa, men deras potential för rymdorganisationer är för lockande att ignorera. När systemet testas i fält på Mars och sedan implementeras i NASA:s Dragonfly-uppdrag till Titan, vem vet hur kraftfullt och kapabelt det kommer att vara.