NASA的火星探测器是过去二十年来科学和太空领域的重大成就之一。

四代漫游者穿越了这颗红色星球，收集了科学数据，发回了令人回味的照片，并在极其恶劣的条件下幸存下来-所有这些漫游者都使用功能不如iPhone 1的车载计算机。最新的漫游者Perseverance于7月30日推出， 2020年，工程师们已经梦想着拥有下一代漫游者。

这些任务虽然是一项重大成就，但只是在表面上（从字面上和形象上）划伤了行星及其地质，地理和大气层。

NASA喷气推进实验室（JPL）机器人表面机动性小组负责人小野正弘（Hiro）Ono说：“火星的表面积与地球上的陆地总面积大致相同。”所有火星漫游车任务-以及开发允许当前漫游车运行的软件的研究人员之一。

“想象一下，你是一个外星人，对地球几乎一无所知，你降落在地球上的七个或八个点上，行驶了几百公里。那个外来物种对地球了解得足够吗？” 小野问。“不。如果我们想代表火星的巨大多样性，我们将需要在地面上进行更多的测量，关键是要大大延长距离，希望能覆盖数千英里。”

在有限的计算能力和有限的能量饮食下穿越火星多样，险恶的地形-仅在火星漫游者一天之内就能获得和捕获的足够多的太阳并转化为能量，这是一个巨大的挑战。

第一辆漫游车Sojourner覆盖了91颗Sol，覆盖330英尺；第二个是Spirit，在大约五年内行驶了4.8英里；机会，在15年中旅行了28英里；自2012年着陆以来，好奇号游历了12英里多。

小野说：“我们的团队正在研究火星机器人的自主性，以使未来的漫游者变得更加智能，增强安全性，提高生产率，尤其是更快，更远地行驶。”

新硬件，新可能性

于今年夏天推出的恒心漫游车使用RAD 750s进行计算，RAD 750s是BAE Systems Electronics制造的经过辐射加固的单板计算机。

但是，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。（高通公司的Snapdragon处理器也正在执行任务测试。）这些芯片在使用相同功率的情况下，其计算能力将是当前飞行处理器的约100倍。

JPL副首席技术和创新官克里斯·马特曼（Chris Mattmann）表示：“您在我们最新的火星探测器上看到的所有自主权，基本上都是人在回路中”，这意味着人与人之间的互动才能运作。“部分原因是它们上运行的处理器的限制。这些新芯片的核心任务之一就是像在陆地上一样进行深度学习和机器学习。杀手级应用是什么？有了新的计算环境？”

基于机器学习的自主流动站系统分析（MAARS）计划始于三年前，并将于今年结束，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航空航天会议上介绍了MAARS项目的结果。该项目入围了NASA软件奖。

该小组在其IEEE论文中写道：“地面高性能计算为基于地面的应用在自动驾驶导航，机器学习和数据分析方面取得了令人难以置信的突破。” “取得如此进展的火星探测工作的主要障碍是，最好的计算机在地球上，而最有价值的数据在火星上。”

Ono，Mattmann及其团队已经在德克萨斯州高级计算中心（TACC）的Maverick2超级计算机以及Amazon Web Services和JPL集群上训练机器学习模型，他们为未来的火星漫游者开发了两种新颖的功能，他们称之为Drive -通过科学和能量最佳自主导航。

能源最优的自主导航

Ono是为Perseverance编写车载寻路软件的团队的一部分。Perseverance的软件包括一些机器学习能力，但是它进行寻路的方式仍然很幼稚。

小野说：“我们希望未来的漫游者具有类似人的观察和理解地形的能力。” “对于漫游者来说，能量非常重要。在火星上没有铺设高速公路。可驾驶性随地形而定-例如海滩与基岩。目前尚未考虑。考虑到所有这些限制因素，这是一条必经之路复杂，但这就是我们可以使用HPSC或Snapdragon芯片处理的计算水平。但是要做到这一点，我们将需要对范例进行一些更改。”

小野解释说，新的范式是由政策来指挥的，介于人类指示的中间：“从A到B再做C”和纯粹的自治：“去做科学”。

通过策略进行指挥涉及对一系列场景进行预先计划，然后让漫游车确定其所遇到的条件以及应采取的措施。

小野说：“我们在地面上使用一台超级计算机，在那里我们拥有无限的计算资源，如TACC那样，它制定了一个策略，其中的策略是：如果X，则执行此操作；如果y，则执行该操作。” “我们基本上会制作一个庞大的待办事项清单，并将千兆字节的数据发送到流动站，然后将其压缩到巨大的表中。然后，我们将利用流动站的功能增强来对策略进行解压缩并执行它。”

使用机器学习派生的优化来生成预先计划的列表。然后，板载芯片可以使用这些计划执行推理：从其环境中获取输入并将其插入经过预先训练的模型中。推理任务在计算上要容易得多，并且可以在芯片上进行计算，例如将来可能会附送火星探测器。

小野说：“流动站可以灵活地改变船上的计划，而不仅仅是遵循一系列预先计划的选择。” “这很重要，以防发生坏事或发现有趣的事情。”

驾驶科学

根据Mattmann的说法，目前的火星任务通常会使用流动站上的几十个Sol图像来决定第二天要做什么。他说：“但是，如果将来我们可以使用一百万个图像字幕呢？那是Drive-By Science的核心宗旨。” “如果流动站能够返回经过科学验证的文字标签和标题，我们的任务团队将有更多工作要做。”

Mattmann及其团队改编了Google的Show and Tell软件（一种神经图像字幕生成器，于2014年首次推出），用于漫游车任务，这是该技术的第一个非Google应用。

该算法接收图像并吐出人类可读的字幕。这些信息包括基本但至关重要的信息，例如基数-多少块岩石，多远？-以及诸如基岩附近露头的静脉结构之类的属性。马特曼说：“我们目前使用图像来决定有趣的科学知识的类型。”

在过去的几年中，行星地质学家已经标记并策划了火星特定的图像注释，以训练该模型。

马特曼说：“我们使用一百万个字幕来查找100个更重要的内容。” “使用搜索和信息检索功能，我们可以确定目标的优先级。人类仍然处于循环之中，但是他们获得的信息更多，并且能够更快地进行搜索。”

该小组的工作成果发表在2020年9月的《行星与空间科学》上。

TACC的超级计算机被证明有助于JPL团队测试系统。在Maverick 2上，团队使用专家创建的6,700个标签对模型进行了训练，验证和改进。

对于未来的火星漫游者来说，更远的旅行能力将是必要的。一个例子是“样品提取漫游者”（Sample Fetch Rover），该提议由欧洲航天协会开发并于2020年代末发射，其主要任务是收集由2020年火星漫游者挖出的样本并收集它们。

马特曼说：“这些流动车在几年内将必须比以前的流动车行驶十倍，才能收集所有样本并将它们送到会合地点。” “我们将需要更加智能地驱动和使用能源。”

在将新模型和算法加载到用于太空的漫游车上之前，必须在JPL旁边的泥土训练场上对它们进行测试，该地面可以作为火星表面的地球模拟。

该团队开发了一个演示，演示了俯视图，流浪者收集的流图像以及在流浪者上实时运行的算法，然后将流浪者暴露出来，在船上进行地形分类和字幕。他们曾希望今年春天完成对新系统的测试，但是COVID-19关闭了实验室并推迟了测试。

同时，小野和他的团队开发了一款公民科学应用程序AI4Mars，该程序可让公众注释好奇号漫游车拍摄的2万多幅图像。这些将用于进一步训练机器学习算法，以识别和避免危险的地形。

到目前为止，在不到三个月的时间内，公众已经制作了170,000个标签。小野说：“人们很兴奋。这是人们提供帮助的机会。” 人们创造的标签将帮助我们使漫游车更安全。”

Ono说，为未来的自主飞行任务开发新的基于AI的范例的努力不仅可以应用于漫游者，还可以应用于从轨道飞行器到飞越再到星际探测器的任何自主太空任务。

“更强大的机载计算能力，在TACC等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，有可能使未来的漫游者走得更远，做更多的科学。”