Space 2.0: Uppkomsten av autonoma robotar och AI

Människans behov av att bättre förstå världen bortom stjärnorna har lett till banbrytande framsteg. Denna fascination för rymden hjälpte oss att uppnå milstolpar som Apollo 11:s månlandning, som markerade mänsklighetens första steg bortom jorden. Med detta stora steg gick vi in i en era av ambitiös och nyfikenhetsdriven rymdutforskning.

Vägen till himlakroppars utforskning och förståelse var dock inte enkel. I själva verket innebar den allvarliga risker för människor på grund av exponering för rymdfaror, inklusive höga strålningsnivåer, extrema temperaturfluktuationer, vakuumförhållanden, mekaniska fel och den inneboende osäkerheten i okända miljöer. Det fanns ett tydligt behov av säkrare och effektivare system, vilket ledde till utvecklingen och användningen av robotik och artificiell intelligens.

Dessa tekniska framsteg gav oss bättre och säkrare sätt att utforska det vidsträckta universum. Som ett resultat har robotar nu blivit en vital del av rymduppdrag. Dessa maskiner blir faktiskt snabbt de primära utforskarna i miljöer som helt enkelt är för farliga för människor.

Till skillnad från oss ömtåliga människor kan dessa robotiska system lätt uthärda rymdens extrema förhållanden. Viktigare är att de kan arbeta kontinuerligt utan att bli trötta eller uttråkade.

Och det är därför NASA gör omfattande användning av robotar. Till exempel använder den Astrobees fria flygande robotar, som heter Bumble, Honey och Queen, för att assistera besättningsmedlemmar på den internationella rymdstationen (ISS). Dessa kubformade robotar hjälper astronauter med rutinuppgifter, som att spåra förnödenheter, driva system och dokumentera videor, medan astronauterna fokuserar på mer kritiska uppgifter.

Men det är inte allt. När de integreras med AI kan dessa maskiner också bearbeta enorma mängder data i realtid och fatta beslut autonomt, vilket gör dem ännu kraftfullare.

Pågående innovationer inom sektorn syftar till att ta dessa förmågor ännu längre. Nyligen delade det kinesiska robotikföretaget Engine AI sina ambitiösa planer på att skicka världens första humanoida robotastronaut ut i rymden.

PM01 är den humanoida roboten som ska skickas ut i rymden. Denna lätta, öppen källkod intelligent humanoid plattform kombinerar mänskligliknande rörelse med avancerad robotintelligens. Den har en bionisk struktur som efterliknar mänsklig rörelse och en mycket interaktiv kärndisplay, förutom ultrasnabba rörelsesvar, högprecisionsmiljösensorer och autonom beslutsfattande förmåga. För att hantera komplex perception, rörelsekontroll och realtidsarbetsbelastningar kombinerar dess dubbelchiparkitektur en NVIDIA Jetson Orin-modul med en Intel N97 CPU för att leverera högprestandaberäkningar.

Så, när robotar blir mer motståndskraftiga, anpassningsbara och autonoma, kommer de att kunna ta sig an högriskuppgifter som extern underhåll av rymdstationer och långtidsövervakningsuppgifter som utsätter astronauter för betydande fara.

Framtiden för rymdutforskning är tydligt på väg mot större automatisering. Istället för att placera astronauter i fara kommer uppdrag helt enkelt att ersätta dem med nätverk av intelligenta robotar som kan arbeta samarbetande över stora avstånd.

Låt oss nu titta på hur denna förvandling sker i praktiken genom två nyckelutvecklingar: autonoma robotar för att utforska underjordiska lavatunnlar på Månen och Mars, och AI-genererade vägar för roverfordon att färdas säkert över marsianskt terräng.

Kartläggning & Navigering av Utomjordiska Lavatunnlar med Robotar

Det har gått nära två decennier sedan gropor först upptäcktes på Månen och över ett halvt sekel sedan detektionen av massiva lavatunnlar på Mars. Dessa enorma grottor är tillräckligt stora för att rymma städer.

Skapade av vulkanisk aktivitet finns dessa lavatunnlar också på jorden, inklusive Island, Hawaii, Sicilien, Australien och Galápagosöarna.

Medan dessa tunnlar på Mars och Månen visar potential som framtida mänskliga baser, eftersom de är säkrare än ytorna genom att erbjuda skydd mot kosmiska strålar, solstrålning och frekventa meteoritnedslag, är de inte lättillgängliga. Insidan av dessa lavatunnlar är extremt vass och terrängen är ojämn, vilket kräver detaljerade studier. Men att samla mer information om dessa underjordiska strukturer är utmanande.

Skylight-öppningarna, som är kollapsade sektioner av tunnelvalv, och de långa, slingrande kanaler som upptäckts i orbitalbilder tyder på stora underjordiska tomrum; bilder kan dock inte avslöja vilka tunnlar som är lämpliga för habitat.

För att hantera utmaningarna med stenig terräng, begränsade ingångspunkter och farliga förhållanden presenterade forskare från Space Robotics Laboratory vid University of Malaga (UMA) ett nytt missionskoncept som använder en trio av smarta robotar för att autonomt utforska dessa underjordiska miljöer.

Robotarna testas för närvarande i de vulkaniska grottorna på Lanzarote, Spanien, med målet att använda dem för framtida uppdrag till Månen.

Publicerat i den vetenskapliga tidskriften Science Robotics¹, bygger konceptet på tre olika typer av robotar, nämligen SherpaTT, LUVMI-X och Coyote III-rovern, som arbetar tillsammans autonomt för att utforska de hårda underjordiska utrymmena på Mars och Månen.

Teamets föreslagna uppdrag har fyra stadier. Det börjar med att robotar kartlägger grottingångar och genererar en detaljerad höjdmodell. Sedan sätts en sensoriserad lastkub in i grottan för att samla inledande mätningar. En spaningsrover sänks sedan ner genom ingången för att starta det slutliga stadiet, som innebär att ta sig fram över hård terräng, samla data och skapa detaljerade 3D-kartor av insidan.

Fälttestet i verkligheten på den vulkaniska ön Lanzarote, genomfört i början av 2023, visade att teamets tillvägagångssätt fungerar som planerat. Det tyska forskningscentret för artificiell intelligens (DFKI) ledde försöket, med bidrag från det spanska universitetet, UMA, och företaget GMV.

Fokus för Space Robotics Laboratory vid UMA är att utveckla nya teknologier och metoder för att öka autonomi inom rymdrobotik, som täcker både orbitala och planetära uppdrag. Laboratoriet har arbetat nära med Europeiska rymdorganisationen för att utveckla algoritmer som hjälper roverfordon att planera rutter och operera mer självständigt.

Försöket bekräftade att det fyrafasiga missionsförhållningssättet är tekniskt genomförbart, och belyste potentialen hos samarbetande robotiska system för framtida planetutforskning.

AI-drivna Navigationssystem för Planetära Roverfordon

I en annan stor utveckling genomförde NASA:s Perseverance-rover, en bilstor robotforskare som har sökt efter tecken på uråldrigt mikrobiskt liv och samlat prover för framtida återvändande till jorden, de första AI-planerade körningarna på den “Röda planeten”.

Så, istället för att använda rutter planerade av mänskliga operatörer, skrev marsutforskaren historia genom att använda de som organiserats av AI:n.

För att skapa rutter analyserade en vision-aktiverad AI först bilder och terrängdata som används av mänskliga roverplanerare för att identifiera faror som stenar och sandvågor, och planerade sedan en säker väg över marsytan.

Men innan de faktiskt använde de AI-genererade vägarna testades rutterna först i den sexhjuliga roverns virtuella replika, där Perseverance följde dem framgångsrikt och reste hundratals meter autonomt.

Ledd av NASA:s Jet Propulsion Laboratory, som övervakar roverns dagliga operationer, har Perseverance nu genomfört de första körningarna på en annan planet, med vägpunkter planerade av generativ AI.

“Denna demonstration visar hur långt våra förmågor har kommit och breddar hur vi kommer att utforska andra världar”, sa NASA-administratören Jared Isaacman. “Autonoma teknologier som denna kan hjälpa uppdrag att operera mer effektivt, svara på utmanande terräng och öka vetenskaplig avkastning när avståndet från jorden växer. Det är ett starkt exempel på team som tillämpar ny teknologi noggrant och ansvarsfullt i verkliga operationer.”

För milstolpedemonstrationen i början av december förra året använde ingenjörer vision-språkmodeller för att analysera befintliga data från JPL:s ytmissionsdataset. Genom att analysera samma information och bilder som mänskliga planerare använder identifierade systemet vägpunktspositioner för Perseverance att färdas säkert över svår marsiansk terräng.

Prestationen var ett samordnat arbete mellan JPL:s Rover Operations Center (ROC) och Anthropics Claude AI-modeller.

“Föreställ dig intelligenta system inte bara på marken på jorden, utan också i edge-applikationer i våra roverfordon, helikoptrar, drönare och andra ytelement tränade med den kollektiva visdomen från våra NASA-ingenjörer, forskare och astronauter”, sa Matt Wallace, chef för JPL:s Exploration Systems Office. “Det är den spelväxlande teknologi vi behöver för att etablera den infrastruktur och de system som krävs för en permanent mänsklig närvaro på Månen och ta USA till Mars och bortom.”

Med Mars 140 miljoner miles bort från jorden gör kommunikationsfördröjningar det omöjligt att kontrollera rovern i realtid.

Under lång tid har rovernavigering förlitat sig på människor som flitigt studerar terrängdata och sedan planerar rutter i förväg. Dessa vägar består av vägpunkter med ungefär 100 meters mellanrum för att minska risken för att rovern stöter på faror. När planerna är klara skickas de genom NASA:s Deep Space Network (DSN) telekommunikationsinfrastruktur, och rovern utför sedan instruktionerna.

Men under Perseverances körningar på de 1 707:e och 1 709:e marsdagarna delegerades detta ansvar till generativ AI. Systemet analyserade högupplösta orbitalbilder tagna av HiRISE-kameran på MRO-rymdfarkostens nadirsida, tillsammans med terränglutningsdata från digitala höjdmodeller.

Informationen hjälpte AI:n att identifiera stenblockfält, berggrund, sandvågor, utsatta bergslagrar och andra viktiga ytfunktioner. Sedan utvecklade AI:n en kontinuerlig körväg med alla nödvändiga vägpunkter. Enligt Vandi Verma, en rymdrobotiker på JPL och medlem av Perseverance-ingenjörsteamet:

“De grundläggande elementen i generativ AI visar stor potential att effektivisera pelarna i autonom navigering för körning utanför planeter: perception (se stenar och vågor), lokalisering (veta var vi är) och planering och kontroll (fatta och utföra beslutet om den säkraste vägen).”

Dessa instruktioner kördes genom JPL:s digitala tvilling (den virtuella replikan av rovern), som kontrollerade över 500 000 telemetrivariabler för att säkerställa att planen skulle fungera säkert med Perseverances flygmjukvara.

Med denna AI-genererade plan reste NASA:s Perseverance 210 meter den 8 december och 246 meter den 10 december.

“Vi är på väg mot en dag då generativ AI och andra smarta verktyg kommer att hjälpa våra ytroverfordon att hantera körningar på kilometerskala samtidigt som operatörernas arbetsbelastning minimeras, och flagga intressanta ytfunktioner för vårt vetenskapslag genom att gå igenom enorma volymer av roverbilder.”

– Verma

Robotik och AI i Rymdutforskning