Le bras robotique du rover Perseverance de la NASA est visible sur cette image utilisée par le projet AI4Mars. Les utilisateurs décrivent et identifient différentes caractéristiques rocheuses et paysagères pour aider à former un algorithme d’intelligence artificielle qui aidera à améliorer les capacités des rovers martiens. Crédit : NASA/JPL-Caltech
Les membres du public peuvent désormais aider à enseigner un algorithme d’intelligence artificielle pour reconnaître les caractéristiques scientifiques dans les images prises par NasaLe rover Persévérance.
L’intelligence artificielle, ou IA, a un énorme potentiel pour changer la façon dont les vaisseaux spatiaux de la NASA étudient l’univers. Mais parce que tous les algorithmes d’apprentissage automatique nécessitent une formation humaine, un projet récent demande aux membres du public d’étiqueter les caractéristiques d’intérêt scientifique dans les images prises par Perseverance de la NASA. Mars vagabond.
Appelé AI4Mars, le projet est la continuation d’un projet lancé l’année dernière qui reposait sur les images du rover Curiosity de la NASA. Les participants à la première étape de ce projet ont étiqueté près d’un demi-million d’images, en utilisant un outil pour décrire des caractéristiques comme le sable et la roche que les conducteurs de rover du Jet Propulsion Laboratory de la NASA surveillent généralement lors de la planification d’itinéraires sur la planète rouge. Le résultat final était un algorithme, appelé SPOC (Soil Property and Object Classification), qui pouvait identifier correctement ces caractéristiques près de 98 % du temps.
SPOC est toujours en développement, et les chercheurs espèrent qu’il pourra un jour être envoyé sur Mars à bord d’un futur vaisseau spatial qui pourrait effectuer une conduite encore plus autonome que ne le permet la technologie AutoNav de Perseverance.
Avec AI4Mars, les utilisateurs décrivent les caractéristiques de la roche et du paysage dans les images du rover Perseverance Mars de la NASA. Le projet aide à former un algorithme d’intelligence artificielle pour améliorer les capacités du rover sur Mars. Crédit : NASA/JPL-Caltech
Les images de Persévérance amélioreront encore le SPOC en élargissant les types d’étiquettes d’identification qui peuvent être appliquées aux caractéristiques de la surface martienne. AI4Mars fournit désormais des étiquettes pour identifier des détails plus raffinés, permettant aux gens de choisir des options telles que des roches flottantes («îles» de roches) ou des nodules (boules de taille BB, souvent formées par de l’eau, de minéraux qui ont été cimentés ensemble).
L’objectif est de perfectionner un algorithme qui pourrait aider un futur rover à choisir des aiguilles dans la botte de foin de données envoyées depuis Mars. Équipé de 19 caméras, Persévérance envoie chaque jour des dizaines à des centaines d’images sur Terre pour que les scientifiques et les ingénieurs examinent des caractéristiques géologiques spécifiques. Mais le temps presse : après que ces images aient parcouru des millions de kilomètres de Mars à la Terre, les membres de l’équipe ont quelques heures pour développer la prochaine série d’instructions, basée sur ce qu’ils voient dans ces images, à envoyer à Persévérance.
Des parties de la persévérance sont visibles à côté d’une zone délimitée dans AI4Mars. Le projet utilisait déjà des images du rover Curiosity Mars de la NASA et l’aide du public pour former un algorithme d’intelligence artificielle ; maintenant, le projet utilise des images de Persévérance. Crédit : NASA/JPL-Caltech
“Il n’est pas possible pour un seul scientifique de regarder toutes les images en liaison descendante avec un examen minutieux en si peu de temps, chaque jour”, a déclaré Vivian Sun, une JPL scientifique qui aide à coordonner les opérations quotidiennes de Persévérance et consulté sur le projet AI4Mars. “Cela nous ferait gagner du temps s’il y avait un algorithme qui pourrait dire:” Je pense que j’ai vu des veines ou des nodules de roche ici “, et ensuite l’équipe scientifique pourra examiner ces zones avec plus de détails.”
Surtout au cours de cette étape de développement, SPOC nécessite de nombreuses validations de la part des scientifiques pour garantir son étiquetage avec précision. Mais même lorsqu’il s’améliore, l’algorithme n’est pas destiné à remplacer les analyses plus complexes des scientifiques humains.
Tout est dans les données
La clé de tout algorithme réussi est un bon ensemble de données, a déclaré Hiro Ono, le chercheur en IA du JPL qui a dirigé le développement d’AI4Mars. Plus il y a de données individuelles disponibles, plus un algorithme apprend.
“L’apprentissage automatique est très différent des logiciels normaux”, a déclaré Ono. « Ce n’est pas comme faire quelque chose à partir de zéro. Pensez-y comme à partir d’un nouveau cerveau. Le plus gros des efforts ici consiste à obtenir un bon ensemble de données pour enseigner à ce cerveau et à masser les données afin qu’elles soient mieux apprises. »
Les chercheurs en IA peuvent entraîner leurs algorithmes liés à la Terre sur des dizaines de milliers d’images de, disons, des maisons, des fleurs ou des chatons. Mais aucune archive de données de ce type n’existait pour la surface martienne avant le projet AI4Mars. L’équipe se contenterait d’environ 20 000 images dans leur référentiel, chacune avec une variété de fonctionnalités étiquetées.
Simulation informatique du premier lecteur Autonav de Perseverance : Cette simulation informatique montre le rover Perseverance Mars de la NASA alors qu’il effectuait son premier entraînement à l’aide de sa fonction de navigation automatique, qui lui permet d’éviter les rochers et autres dangers sans l’intervention d’ingénieurs sur Terre. Crédit : NASA/JPL-Caltech
Le référentiel de données de Mars pourrait servir à plusieurs fins, a noté Annie Didier du JPL, qui a travaillé sur la version Persévérance d’AI4Mars. “Avec cet algorithme, le rover pourrait sélectionner automatiquement des cibles scientifiques vers lesquelles se diriger”, a-t-elle déclaré. Il pourrait également stocker une variété d’images à bord du rover, puis renvoyer uniquement des images de caractéristiques spécifiques qui intéressent les scientifiques, a-t-elle déclaré.
C’est à l’horizon; Cependant, les scientifiques n’auront peut-être pas à attendre aussi longtemps pour que l’algorithme leur profite. Avant que l’algorithme ne se rende dans l’espace, il pourrait être utilisé pour analyser les vastes archives publiques de la NASA sur les données de Mars, permettant aux chercheurs de trouver plus facilement les caractéristiques de surface dans ces images.
Ono a noté qu’il est important pour l’équipe AI4Mars de rendre son propre ensemble de données accessible au public afin que l’ensemble de la communauté de la science des données puisse en bénéficier.
« Si quelqu’un en dehors du JPL crée un algorithme qui fonctionne mieux que le nôtre en utilisant notre ensemble de données, c’est aussi très bien », a-t-il déclaré. « Cela permet simplement de faire plus de découvertes plus facilement. »
Visite cette page pour aider à enseigner aux rovers martiens comment classer le terrain martien.
En savoir plus sur la mission
Un objectif clé de la mission de Persévérance sur Mars est l’astrobiologie, y compris la recherche de signes d’une vie microbienne ancienne. Le rover caractérisera la géologie et le climat passé de la planète, ouvrira la voie à l’exploration humaine de la planète rouge et sera la première mission à collecter et à mettre en cache la roche martienne et le régolithe (roche brisée et poussière).
Des missions ultérieures de la NASA, en coopération avec l’ESA (Agence spatiale européenne), enverraient des engins spatiaux sur Mars pour collecter ces échantillons scellés à la surface et les renvoyer sur Terre pour une analyse approfondie.
La mission Mars 2020 Perseverance fait partie de l’approche d’exploration de la Lune vers Mars de la NASA, qui comprend des missions Artemis vers la Lune qui aideront à préparer l’exploration humaine de la planète rouge.
