Rumfart

Firebenede robotter forbereder sig på autonom Mars-udforskning

mm
Udgivet den
Opdateret den

En dag kan rumforskning måske gøre brug af astronauter, der lever permanent uden for Jorden, som forestillet i Artemis-missionerne til Månen, eller af Elon Musk for Mars.

Alligevel, selv med menneskelig tilstedeværelse, vil en stor del af det arbejde, der er nødvendigt i rummet, blive udført af robotter, hvis intet andet, fordi de er meget lettere at erstatte end menneskelige astronauter og langt mindre sårbare over for giftig luft eller vakuum, stråling, brutale temperaturer osv.

Ideelt set bør de fleste rovere og robotter kunne klare sig selv for simple opgaver, med mennesker på Jorden eller på stedet kun involveret for at hjælpe dem med at løse specifikke problemer eller bestemme deres daglige missioner.

Efterhånden som AI udvikler sig hurtigt, inklusive fysisk AI, et koncept nu fremmet af AI-lederen NVIDIA, kan denne science-fiction-vision allerede være en realitet.

For endnu mere fjerne missioner, som på Jupiters måner, gør tidsforsinkelsen i kommunikationen, op til en time, enhver direkte kontrol endnu mere vanskelig, hvilket gør enhver autonom beslutning fra sonderne ekstra værdifuld.

“Roverne er designet til energieffektivitet og sikkerhed og til at bevæge sig langsomt over farligt terræn. Som følge heraf er udforskning typisk begrænset til kun en lille del af landingsstedet, hvor roverne typisk rejser op til nogle få hundrede meter om dagen, hvilket gør det svært at indsamle geologisk forskelligartede data.”

Et andet skridt vil være at give rumforskningsrobotter større evne til at bevæge sig frit. Tross alt kan hjul og kæder være mere pålidelige, men det er ikke som om veje venter på dem på Månen og Mars.

Som følge heraf har de fleste robotudforskningsmissioner indtil nu fokuseret på relativt flade, let navigerbare regioner. Men disse områder er måske heller ikke de mest nyttige for fremtidig rumkolonisering.

For eksempel kan lava-tunneler udgøre perfekte forudbyggede tilflugtssteder for fremtidige astronauter, men vi har aldrig udforsket en ordentligt, selvom AI-drevet udforskning af lava-tunneler er planlagt. Og de fleste ressourcer vil sandsynligvis findes i dybe kratre (vand) eller i bjergområder (metaller og andre mineralforekomster).

“På Månen er mange nøgle ressourcer placeret i terræn, der er svært at få adgang til, herunder flygtige- og titaniumrige pyroklastiske aflejringer, REE‑holdige KREEP-basalter og vandis i permanent skyggefulde områder nær Sydpolen. På Mars er vandis‑eksponeringer og metalrige regolit også blevet identificeret i højbredde‑ og højlandregioner, ofte inden for ustabile skråninger eller brudte geologiske strukturer.”

Derfor er mere avancerede robotter nødvendige, med firbenede “robodogs” som en sandsynlig mulighed, da dette design også bliver stadig mere populært på Jorden.

Denne mulighed testes af schweiziske forskere ved ETH Zürich, Universitetet i Zürich, Neuchâtel Space Exploration Institute, Universitetet i Basel og Universitetet i Bern.

De brugte en firbenet robot, de testede om den kunne håndtere semi‑autonom udforskning og prøveindsamling i et rekonstrueret rummiljø, og offentliggjorde deres resultater i Frontiers In Space Technologies1, under titlen “Semi‑autonom udforskning af martianske og lunare analoger med en benet robot ved brug af en Raman‑udstyret robotarm og mikroskopisk billede”.

Genskabelse af Mars på Jorden

Forskerne brugte Marslabor-faciliteten ved Universitetet i Basel, som simulerer planetariske overfladeforhold ved hjælp af analogiske sten, regolit (planetarisk støv) og analogisk belysning for at genskabe et miljø identisk med Mars, bortset fra tyngdekraften.

Marslabor omfatter et 80 m2 rum med en 40 m2 testplatform bestående af martianske analogimaterialer. Dette inkluderede sten med stort potentiale for bevaring af biosignaturer, såsom gips eller karbonatsten, som ville være af stor interesse i en reel martiansk udforskning, der søger at undersøge tidligere biologisk aktivitet på den Røde Planet.

Derudover blev også stenarter, der indikerer tidligere flydende vand, såsom siliklastisk karbonatsten og svovlholdig basalt, inkluderet.

Et segment af rummet genskabte også måneforhold, med stenarter, der kunne være en nyttig kilde til oxider, titanium, aluminium og silicium.

Firebenede udforskere

Polyvalent robot med sensorer

Robotten, der blev brugt i denne undersøgelse, var en ANYmal-robot bygget af det schweiziske firma ANYbotics, specialiseret i industrielle inspektioner i farlige områder. For at muliggøre kortlægning og lokalisering er ANYmal udstyret med en VLP-16 Puck LITE LiDAR fra Velodyne, seks RealSense D435 aktive stereosensorer fra Intel til højdekortlægning, og to FLIR Blackfly vidvinkelkameraer for at levere RGB-billedstrømme.

Robotten var udstyret med en mikroskopisk billeddanner (MICRO) og en MIRA RTX Raman-spektrometer produceret af det schweiziske firma Metrohm. Disse sensorer blev installeret på en robotarm udviklet internt af ETH (Eidgenössische Technische Hochschule – Swiss Federal Institute of Technology).

Den blev fjernstyret af en operatør ved brug af en grafisk brugerflade (GUI), som viser et digitalt højdekort og kamera‑billeder, hvor kommandoer og opgaver overføres.

MICRO‑billeddannerens mål er at indfange nærbilleder af stenprøvernes struktur, korn og farve, et vigtigt datasæt til at identificere stenens type og sammensætning. Den indeholder et USB-mikroskop, en ring af 48 RGB‑LED’er, en time‑of‑flight (ToF) sensor og kontrol‑elektronik. En skummerring forhindrede spildlys i at trænge ind, når MICRO er i kontakt med et mål.

Raman-spektrometeret havde en infrarød excitationslaser med en bølgelængde på 785 nm og en maksimal effekt på 100 mW, med et område fra 400 til 2.300 cm med en opløsning på 8–10 cm. Dataene supplerer MICRO‑observationen ved at afsløre den kemiske sammensætning af de undersøgte sten.

Undersøgelse med & uden mennesker

To operationelle koncepter for robotisk videnskabelig kortlægning: den ene med klassisk menneskelig kontrol, og den anden med fler‑mål, semi‑autonom prøvetagning med minimal menneskelig indgriben.

I den menneskestøttede metode, identificerede operatøren et mål i kamera‑billedet og valgte et navigations‑waypoint i den grafiske GUI. Derefter kunne operatøren straks gennemgå de indkommende data og beslutte, om yderligere målinger var nødvendige. Operatøren valgte også, hvor mange Raman‑målinger der skulle udføres, og bestemte deres specifikke placering på stenen.

I den semi‑autonome metode, blev foruddefinerede kommandoer givet på forhånd til robotten, herunder fremdrift, waypoint‑navigation, instrumentudrulning og data‑returnering. Når instruktionerne var uploadet, udførte robotten alle opgaver autonomt, fra bevægelse til robotarm‑udrulning og videnskabelige målinger.

Efter at have afsluttet målesekvensen ved hvert mål fortsatte robotten autonomt sin udførelsescyklus, flyttede til næste mål og gemte data efter hver måling. Først når målingerne var afsluttet for alle mål, ville robotten overføre de indsamlede data til basestationen.

Resultaterne af analysen bekræftede nytten af at kombinere forskellige instrumenter, hvor kombinationen af Raman‑ og MICRO‑analyse øger chancen for korrekt at identificere en given sten.

Den semi‑autonome metode identificerede korrekt mindst en tredjedel af målene pr. cyklus og opnåede 100 % målidentifikation i én ud af fire analog‑missioner. Fler‑mål‑missioner tog mellem 12 og 23 minutter, mens en menneskestyrt mission krævede 41 minutter for at gennemføre sammenlignelige analyser.

Selvom resultaterne var mindre perfekte, kunne meget mere succesfulde analyser udføres pr. minut, hvilket førte til større effektivitet samlet set. Så denne erfaring bekræftede, at mere autonome robotter kunne hurtigt kortlægge store områder af planetariske overflader.

Derudover kan en interessant prøve, når den er identificeret, derefter manuelt analyseres af forskerne i videre undersøgelser.

“I stedet for udelukkende at stole på store og komplekse instrumentpakker, kunne fremtidige missioner indsætte smidige robotter, der hurtigt scanner miljøet og markerer lovende mål for detaljeret undersøgelse.”

Forbedring af robotudforskning

Forskerne bemærkede også, at de anvendte værktøjer alle var udviklet med direkte menneskelig kontrol for øje. Det betyder, at den semi‑autonome robot nogle gange led af fejlagtig armplacering, hvilket førte til slørede MICRO‑billeder eller for støjende Raman‑data.

Et forbedret system kunne i stedet gentage testen med let automatiserede armjusteringer i tilfælde af slørede billeder eller dårlige spektrometridata. Yderligere automatiseringsprogrammer kunne også hjælpe.

“For at gå til et endnu højere niveau af autonomi, kunne robotterne autonomt opdage interessante mål baseret på form, farve og tekstur. I scenarier, hvor dataoverførslen er meget langsom (f.eks. i det ydre solsystem), kunne robotten derefter autonomt foretage målinger af disse mål.”

Dette system udnyttede heller ikke de seneste fremskridt inden for AI, som kunne give robotterne meget større autonomi i fremtiden, som vi diskuterede i “Space 2.0: The Rise of Autonomous Robots and AI“. Så endnu mere avancerede protokoller for detektion og derefter scanning kunne give mere effektiv og autonom måling. Derfra kunne træning af en specialiseret AI‑model på reelle data fra robotter på Mars eller Månen gøre fremtidige generationer af sonder endnu mere effektive.

Investering i rumrobotik

Intuitive Machines

(LUNR )

Afsendelse af autonome sonder til interstellare objekter vil kræve stærk ekspertise i at bygge store rumsonder og få dem til at ankomme intakte til den rette destination. Indtil videre har dette primært været domænet for offentlige institutioner som NASA, ESA og tilknyttede universiteter.

Dette er ved at ændre sig, efterhånden som vi nærmer os det tidspunkt, hvor private virksomheder kan begynde at sende automatiserede eller bemandede missioner for at udvinde asteroider, især nærjordiske objekter. Sådan et projekt vil sandsynligvis være det næste skridt eller udføres parallelt med tilbagevenden af bemandede missioner til Månen, planlagt til de kommende år.

Grundlagt i 2013 i Houston, Texas, er Intuitive Machines indtil videre en meget “Måne‑fokuseret” virksomhed, som angivet af deres aktiekode LUNR, og er allerede blevet udvalgt til 4 NASA‑månemissioner, og beskæftiger over 400 personer.

Det var den første kommercielle virksomhed, der med succes landede og transmitterede videnskabelige data fra Månen. Den udførte også den første affyring af LOx/LCH4‑motoren (flydende ilt, flydende metan) i rummet. Virksomheden arbejder på mange projekter, der vil danne grundlaget for en måneinfrastruktur til udforskning og bosættelse.

Den første er “data transmission service”, hvor teknologien testes, og som i sidste ende sigter mod at ende med en månedatatransmissionskonstellation omkring Månens bane.

Den anden del er “Infrastructure as a Service”. Den skal omfatte telekommunikationstjenester, GPS‑lokalisationstjenester og Lunar Surface Vehicles (LTV), som er i stand til autonome operationer.

Den sidste del er leveringen af materiale til månens overflade. Hidtil har virksomheden leveret videnskabelige nyttelaster med Nova-C lander, en 4,3 meter høj lander (14 fod), der kan levere 130 kg nyttelast til Månen.

Det næste skridt vil være med Nova-D landeren, som kan levere 1.500–2.500 kg materiale til Månen. Denne nyttelastkapacitet og størrelse vil være den, der kræves for levering af Lunar Terrain Vehicle (LTV) samt den 40 kW Fission Surface Power‑nukleare reaktor, som forventes at forsyne månebassen med strøm.

Virksomheden har vundet mange værdifulde kontrakter med NASA, for eksempel Near Space Network‑kontrakten, med en maksimal potentiel værdi på 4,82 mia. $. LTV‑kontraktens endelige beslutning fra NASA mellem de tre potentielle leverandører forventes ved udgangen af 2025 og vil også kunne være op til 4,6 mia. $ værd.

Udover NASA forsøger virksomheden at diversificere sin kundebase og blev i april 2025 udvalgt til en bevilling på op til 10 mia. $ fra Texas Space Commission.

Dette vil støtte udviklingen af et jord‑genindtrædelses‑fartøj og et orbitalt fremstillingslaboratorium designet til at muliggøre mikrogravitation‑bioproduktion. Dette genindtrædelses‑fartøj vil også give en backup‑mulighed og reducere risici for virksomhedens fremtidige måneprøve‑returmissioner.

Et andet projekt er udviklingen af lav‑effekt nukleære stealth‑satellitter til en Air Force‑forskningslaboratorium JETSON‑kontrakt.

Efterhånden som virksomheden når et positivt frit cash‑flow i Q1 2025, og med den måne‑telekommunikations‑kontrakt, bliver den nu meget sikrere for investorer, idet den bevæger sig fra en cash‑brændende startup til en etableret tjenesteudbyder for den voksende rumøkonomi.

Og den kan danne byggesten for yderligere dyb‑rum‑udforskning og udnyttelse af rumbaserede ressourcer, især da den bliver en betroet partner for NASA på niveau med SpaceX (snart til børsnotering efter fusionen med xAI) eller Rocket Lab (RKLB ).

(Du kan læse mere om Intuitive Machines i vores investeringsrapport dedikeret til virksomheden.)

Seneste Intuitive Machines (LUNR) Aktienyheder og Udviklinger

Studie refereret

1. Gabriela Ligeza, Philip Arm, et al. Semi-autonomous exploration of martian and lunar analogues with a legged robot using a Raman-equipped robotic arm and microscopic imager. Frontier Space Technologies, 31 marts 2026. Volume 7 – 2026 | https://doi.org/10.3389/frspt.2026.1741757 

mm

Jonathan er en tidligere biokemisk forsker, der har arbejdet med genetisk analyse og kliniske forsøg. Han er nu en aktieanalytiker og finansforfatter med fokus på innovation, markedscykler og geopolitik i sin publikation The Eurasian Century.