Inteligencia artificial para robots en otros mundos

Comparta este Artículo en:

El tiempo es muy valioso en la exploración espacial robótica porque no todos los robots disfrutan de una larga vida operativa y porque en sitios como Marte la distancia a la Tierra impide que pueda haber comunicación fluida.

Esa es la razón por la cual investigadores del Centro Goddard de Vuelos Espaciales de la NASA en Greenbelt, Maryland, Estados Unidos, están trabajando en implementar el aprendizaje automático (una modalidad de inteligencia artificial) en rovers robóticos.

El objetivo principal de esta incorporación es ayudar a analizar con mayor rapidez los datos obtenidos de muestras recogidas por el rover y también ayudar a lograr un uso lo más eficiente posible del tiempo disponible por rovers robóticos en Marte u otro astro lejano.

En el mencionado centro de la NASA, están poniendo a punto un algoritmo de aprendizaje automático que “sea capaz de ayudarnos filtrando rápidamente los datos y señalándonos cuáles pueden ser los más interesantes o importantes para que los examinemos“, explica Xiang “Shawn” Li, un especialista en espectrometría de masas que trabaja en el Laboratorio de Entornos Planetarios del Centro Goddard.

El algoritmo se pondrá a prueba primero con datos de Marte, operando en un computador en la Tierra con datos recogidos por el instrumento MOMA (Mars Organic Molecule Analyzer).

El MOMA es uno de los principales instrumentos científicos del rover robótico Rosalind Franklin, en el marco de la misión ExoMars, dirigida por la ESA (Agencia Espacial Europea).

El robot, cuyo lanzamiento al espacio está previsto para no antes de 2028, tiene como meta determinar si alguna vez existió vida en el Planeta Rojo.

Después de que el Rosalind Franklin recoja una muestra y la analice con el MOMA, los datos se enviarán a la Tierra, donde los científicos utilizarán los resultados para decidir el mejor curso de acción a seguir.

“Por ejemplo, si el análisis de una muestra revela indicios de compuestos orgánicos grandes y complejos mezclados con determinados minerales, es posible que queramos hacer más análisis de esa muestra, o incluso recomendar que el rover recoja otra muestra con su perforadora“, explica Li.

En inteligencia artificial, el aprendizaje automático es un modo en que computadores y robots aprenden, de la revisión de una cantidad lo bastante grande datos, a identificar patrones, sacar conclusiones y tomar decisiones.

Este proceso automatizado puede ser muy útil cuando los patrones no son obvios para los investigadores humanos que analizan los mismos datos, lo que suele ocurrir con conjuntos de datos grandes y complejos, como los que se utilizan en el análisis espectral y de imágenes.

Si todo va bien, sistemas de inteligencia artificial avanzados podrán ser instalados en los computadores de a bordo de futuros vehículos robóticos de exploración en Marte y más allá.

De hecho, algunos de los rovers robóticos enviados a Marte ya han usado, a pequeña escala, inteligencia artificial, gracias al envío desde la Tierra de nuevo software, que no estaba a punto cuando partieron de la Tierra.

Exprimir al máximo la eficiencia de la exploración robótica tiene un interés especial en el caso del rover Rosalind Franklin, porque lo que hace único a este de entre todos los demás rovers robóticos diseñados para Marte es que podrá perforar el suelo marciano hasta unos 2 metros de profundidad.

Los anteriores robots solo han llegado como máximo a unos 7 centímetros de profundidad.

Los materiales orgánicos de Marte tienen más probabilidades de ser destruidos por la exposición a la radiación si se hallan en la superficie o a muy poca profundidad bajo ella, pero dos metros de profundidad son suficientes para proteger la mayor parte de la materia orgánica.

Por tanto, MOMA tiene más probabilidades de poder detectar vestigios de antigua vida marciana que cualquier otro instrumento previo que haya operado en Marte.

La inteligencia artificial incorporada en los computadores de a bordo de futuros vehículos robóticos de exploración enviados a mundos con potencial biológico como Titán y Encélado (lunas de Saturno) y Europa (luna de Júpiter) puede resultar decisivo para la tan ansiada detección de señales de vida extraterrestre.

Fuente: Noticias de la Ciencia