Rymden
Fyra-benta robotar förbereder sig för autonom Marsutforskning
Lägg till Securities.io bland dina föredragna källor på Google
En dag kan rymdforskning använda astronauter som lever permanent utanför jorden, som föreställs av Artemis-uppdragen för månen, eller av Elon Musk för Mars.
Ändå, även med mänsklig närvaro, kommer en stor del av arbetet som behövs i rymden att utföras av robotar, om inget annat, eftersom de är mycket lättare att ersätta än mänskliga astronauter och mycket mindre sårbara för giftig luft eller vakuum, strålning, extrema temperaturer osv.
Idealiskt bör de flesta rovers och robotar kunna klara av enkla uppgifter själva, med människor på jorden eller på plats endast inblandade för att hjälpa dem lösa specifika problem eller bestämma deras dagliga uppdrag.
Som AI utvecklas snabbt, inklusive fysisk AI, ett koncept som nu förespråkas av AI-ledaren NVIDIA (NVDA ), kan denna science‑fiction‑vision redan vara en verklighet.
För ännu mer avlägsna uppdrag, som på Jupiters månar, gör tidsfördröjningen i kommunikationen, upp till en timme, direkt kontroll ännu svårare, vilket gör autonoma beslut av sonder extra värdefulla.
“Rovers är utformade för energieffektivitet och säkerhet, och för att röra sig långsamt över farlig terräng. Som ett resultat är utforskning vanligtvis begränsad till endast en liten del av landningsplatsen, där rovers vanligtvis färdas upp till några hundra meter per dag, vilket gör det svårt att samla in geologiskt diversifierade data.”
Ett annat steg blir att ge rymdforskningsrobotar större förmåga att röra sig fritt. Trots att hjul och band kan vara mer pålitliga, väntar inte vägar på dem på månen och Mars.
Som ett resultat har de flesta robotutforskningsuppdrag hittills fokuserat på relativt plana, lätt navigerbara regioner. Men dessa områden kanske inte heller är de mest användbara för framtida rymdkolonisation.
Till exempel kan lavatunnlar bli perfekta förbyggda skydd för framtida astronauter, men vi har aldrig utforskat en ordentligt, även om AI-driven utforskning av lavatunnlar planeras. Och de flesta resurserna kommer sannolikt att finnas i djupa kratrar (vatten) eller bergiga regioner (metaller och andra mineralförekomster).
“På månen är många nyckelresurser belägna i terräng som är svår att nå, inklusive flyktiga och titanrika pyroklastiska avlagringar, REE-innehållande KREEP-basalter och vattenis inom permanent skuggade områden nära Sydpolen. På Mars har vattenisavlagringar och metallrik regolit också identifierats i höglatituds- och höglandsregioner, ofta inom instabila sluttningar eller spruckna geologiska miljöer.”
Så mer avancerade robotar behövs, med fyrbenta ”robodogar” som ett sannolikt alternativ, eftersom denna design blir alltmer populär även på jorden.
Denna möjlighet testas av schweiziska forskare vid ETH Zürich, Universitetet i Zürich, Neuchâtel Space Exploration Institute, Universitetet i Basel och Universitetet i Bern.
De använde en fyrbent robot, testade om den kunde hantera semi‑autonom utforskning och provinsamling i en rekonstruerad rymdmiljö, och publicerade sina fynd i Frontiers In Space Technologies1, under titeln “Semi-autonomous exploration of martian and lunar analogues with a legged robot using a Raman-equipped robotic arm and microscopic image”.
Återskapa Mars på Jorden
Forskarna använde Marslabor‑anläggningen vid Universitetet i Basel, som simulerar planetära ytförhållanden med hjälp av analogrock, regolit (planetärt damm) och analog belysning för att återskapa en miljö identisk med Mars, förutom gravitationen.
Marslabor omfattar ett 80 m2 rum med en 40 m2 testbädd bestående av martianska analogmaterial. Detta inkluderade stenar med stark potential för bevarande av biosignaturer, som gips eller karbonatsten, vilka skulle vara av stort intresse i en verklig marsutforskning som syftar till att undersöka tidigare biologisk aktivitet på den röda planeten.
Dessutom inkluderades bergarter som indikerar tidigare rinnande vatten, såsom silikiklastisk karbonatsten och svavelbärande basalt.
En del av rummet återskapade också månförhållanden, med bergarter som kan vara en användbar källa till oxider, titan, aluminium och kisel.
Fyra-benta utforskare
Mångsidig robot med sensorer
Robotens som användes i denna studie var en ANYmal‑robot byggd av det schweiziska företaget ANYbotics, specialiserat på industriella inspektioner i farliga områden. För att möjliggöra kartläggning och lokalisering är ANYmal utrustad med en VLP‑16 Puck LITE LiDAR från Velodyne, sex RealSense D435 aktiva stereosensorer från Intel (INTC ) för höjdkartläggning, samt två FLIR Blackfly vidvinkelkameror för att leverera RGB‑bildströmmar.
Robotens utrustning inkluderade en mikroskopisk bildare (MICRO) och en MIRA RTX Raman‑spektrometer tillverkad av det schweiziska företaget Metrohm. Dessa sensorer installerades på en robotarm utvecklad internt av ETH (Eidgenössische Technische Hochschule – Swiss Federal Institute of Technology).
Den styrdes på distans av en operatör med ett grafiskt användargränssnitt (GUI) som visar en digital höjdkarta och kamerabilder där kommandon och uppgifter överförs.
MICRO‑bildarens mål är att fånga närbilder av bergprovsens textur, korn och färg, ett avgörande dataset för att identifiera typ av sten och dess sammansättning. Den innehåller ett USB‑mikroskop, en ring med 48 RGB‑LED:er, en time‑of‑flight (ToF)‑sensor och styrkretsar. En skumring förhindrade oönskat ljus från att tränga in när MICRO är i kontakt med ett mål.
Raman‑spektrometern hade en infraröd excitationslaser med en våglängd på 785 nm och en maximal effekt på 100 mW, med ett intervall från 400 till 2 300 cm och en upplösning på 8–10 cm. Data kompletterar MICRO‑observationen genom att avslöja den kemiska sammansättningen av de studerade stenarna.
Undersökning med & utan människor
Två operativa koncept för robotisk vetenskaplig kartläggning: ett med klassisk mänsklig kontroll, och det andra med flerfaldigt mål, semi‑autonom provtagning med minimal mänsklig inblandning.
I den mänskligt assisterade metoden identifierade operatören ett mål i kamerabilden och valde en navigationswaypoint i det grafiska GUI:t. Därefter kunde operatören omedelbart granska de inkommande data och besluta om ytterligare mätningar behövdes. Operatören valde också hur många Raman‑mätningar som skulle utföras och bestämde deras specifika placering på stenen.
I den semi‑autonoma metoden gavs fördefinierade kommandon i förväg till roboten, inklusive förflyttning, waypoint‑navigering, instrumentutplacering och dataåterföring. När instruktionerna laddats upp utförde roboten alla uppgifter autonomt, från rörelse till robotarmens utrullning och vetenskapliga mätningar.
Efter att ha slutfört mätningssekvensen vid varje mål fortsatte roboten autonomt sin exekveringscykel, flyttade till nästa mål och sparade data efter varje mätning. Endast när mätningarna var slutförda för alla mål skulle roboten överföra de insamlade data till basstationen.
Resultaten av analysen bekräftade nyttan av att kombinera olika instrument, där kombinationen av Raman‑ och MICRO‑analys ökade sannolikheten att korrekt identifiera en given sten.
Den semi‑autonoma metoden identifierade korrekt minst en tredjedel av målen per cykel, och uppnådde 100 % målidentifiering i ett av fyra analoguppdrag. Fler‑målsuppdrag tog mellan 12 och 23 minuter, medan ett mänskligt styrt uppdrag krävde 41 minuter för att slutföra jämförbara analyser.
Så även om resultaten var mindre perfekta, kunde mycket mer framgångsrik analys utföras per minut, vilket ledde till större effektivitet totalt sett. Denna erfarenhet bekräftade att mer autonoma robotar kan snabbt kartlägga stora områden av planetära ytor.
Dessutom, när ett intressant prov har identifierats, kan det sedan manuellt analyseras av forskarna i vidare undersökning.
“Istället för att enbart förlita sig på stora och komplexa instrumentpaket, skulle framtida uppdrag kunna sätta in smidiga robotar som snabbt skannar miljön och markerar lovande mål för detaljerad undersökning.”
Förbättra robotutforskning
Forskarna noterade också att de verktyg som användes alla utvecklats med direkt mänsklig kontroll i åtanke. Detta innebär att den semi‑autonoma roboten ibland drabbades av felplacerade armrörelser, vilket ledde till suddiga MICRO‑bilder eller för bullriga Raman‑data.
Ett förbättrat system skulle kunna göra om testet med små automatiserade armjusteringar vid suddiga bilder eller dåliga spektrometridata. Ytterligare automatiseringsprogram kan också vara till hjälp.
“För att gå till en ännu högre nivå av autonomi, skulle robotarna kunna upptäcka intressanta mål autonomt baserat på form, färg och textur. I scenarier där dataöverföringen är mycket långsam (t.ex. i det yttre solsystemet), skulle roboten då kunna ta mätningar av dessa mål autonomt.”
Detta system utnyttjade inte heller de senaste framstegen inom AI, vilket skulle kunna ge robotarna mycket större autonomi i framtiden, som vi diskuterade i “Space 2.0: The Rise of Autonomous Robots and AI”. Så ännu mer avancerade protokoll för detektering och sedan skanning kan ge mer effektiva och autonoma mätningar. Därefter kan träning av en specialiserad AI‑modell på verkliga data från robotar på Mars eller månen göra framtida generationer av sonder ännu mer effektiva.
Investera i rymbrobotik
Intuitive Machines
LUNR Prisdiagram
Att skicka autonoma sonder till interstellära objekt kommer att kräva stark expertis i att bygga stora rymdsonder och få dem att anlända intakta till rätt plats. Hittills har detta främst varit offentliga institutioners område, såsom NASA, ESA och tillhörande universitet.
Detta förändras när vi närmar oss den tidpunkt då privata företag kan börja skicka automatiserade eller bemannade uppdrag för att bryta asteroider, särskilt närliggande jordobjekt. Sådana projekt kommer sannolikt att bli nästa steg eller genomföras parallellt med återkomsten av bemannade uppdrag till månen, planerade för de kommande åren.
Grundat 2013 i Houston, Texas, är Intuitive Machines (LUNR ) för närvarande ett mycket “månfokuserat” företag, vilket indikeras av dess börsticker LUNR, och har redan valts ut för fyra NASA‑månuppdrag, samt sysselsätter över 400 personer.
Källa: Intuitive Machines
Det var det första kommersiella företaget som framgångsrikt landade och överförde vetenskapliga data från månen. Det utförde också den första avfyrningen av LOx/LCH4‑motorn (flytande syre, flytande metan) i rymden. Företaget arbetar med många projekt som kommer att utgöra grunden för en lunär infrastruktur för utforskning och bosättning.
Den första är “datatransmissionstjänsten”, med tekniken som testas och som i slutändan syftar till att avslutas med en lunär datatransmissionskonstellation kring månens omloppsbana.
Källa: Intuitive Machines
Den andra delen är “Infrastructure as a Service”. Den bör inkludera telekommunikationstjänster, GPS‑lokaliseringsservice och Lunar Surface Vehicles (LTV) som kan utföra autonoma operationer.
Källa: Intuitive Machines
Den sista delen är leverans av material till månens yta. Hittills har företaget levererat vetenskapliga nyttolaster med Nova‑C‑lander, en 4,3 meter hög landare (14 fot) som kan leverera 130 kg nyttolast till månen.
Nästa steg blir med Nova‑D‑landaren, som kan leverera 1 500–2 500 kg material till månen. Denna nyttolastkapacitet och storlek kommer att krävas för leverans av Lunar Terrain Vehicle (LTV), samt den 40 kW Fission Surface Power‑kärnreaktor som förväntas driva månbasen.
Källa: Intuitive Machines
Företaget har vunnit många värdefulla kontrakt med NASA, till exempel Near Space Network‑kontraktet, med ett maximalt potentiellt värde på 4,82 miljarder dollar. LTV‑kontraktets slutgiltiga beslut av NASA mellan de tre potentiella leverantörerna förväntas i slutet av 2025 och skulle också kunna vara värt upp till 4,6 miljarder dollar.
Förutom NASA försöker företaget diversifiera sin kundbas och valdes i april 2025 för ett bidrag på upp till 10 miljoner dollar från Texas Space Commission.
Detta kommer att stödja utvecklingen av ett återinträdesfordon för jorden och ett omloppsbanebaserat tillverkningslaboratorium avsett att möjliggöra mikrogravitation biotillverkning. Detta återinträdesfordon kommer också att erbjuda en reservlösning och minska riskerna för företagets framtida återföringsuppdrag av månprover.
Ett annat projekt är utvecklingen av lågkrafts kärnstealthsatelliter för ett JETSON‑kontrakt med ett forskningslaboratorium för flygvapnet.
När företaget når en positivt fritt kassaflöde under Q1 2025, och med det lunära telekommunikationskontraktet, blir det nu mycket säkrare för investerare, och övergår från en kassabrännande startup till en etablerad tjänsteleverantör för den växande rymdindustrin.
Och det kan utgöra byggstenen för vidare djup rymdutforskning och utnyttjande av rymdresurser, särskilt när det blir en pålitlig partner till NASA på samma nivå som SpaceX (snart börsnoterat efter sin sammanslagning med xAI) eller Rocket Lab (RKLB ).
(Du kan läsa mer om Intuitive Machines i vår investeringsrapport dedikerad till företaget.)
Senaste Intuitive Machines (LUNR) aktie nyheter och utveckling
Studie refererad
1. Gabriela Ligeza, Philip Arm, med flera. 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 mars 2026. Volym 7 – 2026 | https://doi.org/10.3389/frspt.2026.1741757
