Ir al contenido principal

Entrada destacada

El Quelonio Volador se ha trasladado...

Amigas, Amigos, el quelonio volador migró de plataforma, ya que en blogger no se puede arregla. www.elqueloniovolador.science los llevará a la nueva plataforma Todos los días repetiré hasta terminar las 9.400 entradas de esta mas lo nuevo. Espero les guste la nueva plantilla. La diferencia es el punto después de las www Rogelio Julio Dillon  El Quelonio Volador

A.I. Preparará robots para lo desconocido

AI imaging an Icelandic volcano
La inteligencia artificial está preparada para cambiar la forma en que la NASA estudia el espacio. A.i. a bordo de un satélite de la NASA de la ciencia de la Tierra detectó la erupción de un volcán islandés en 2010, ayudando a producir esta imagen colorida. Crédito de la imagen: NASA/JPL/EO-1 Mission/GSFC/Ashley Davies

¿Cómo consigues que un robot reconozca una sorpresa?

Esa es una pregunta que los investigadores de inteligencia artificial están meditando, especialmente cuando la i.a. comienza a cambiar la investigación espacial.

Un nuevo artículo en la revista Science: Robotics ofrece una visión general de cómo se ha utilizado la i.a. para hacer descubrimientos en misiones espaciales. El artículo, coautora de Steve Chien y Kiri Wagstaff del Laboratorio de Propulsión a Jet de la NASA, Pasadena, California, sugiere que la autonomía será una tecnología clave para la futura exploración de nuestro sistema solar, donde la nave espacial robótica a menudo estará fuera de comunicación con sus controladores humanos.

En cierto sentido, los científicos espaciales están haciendo la investigación de campo virtualmente, con la ayuda de la nave espacial robótica.

"El objetivo es que a.i. sea más como un ayudante inteligente que colabora con el científico y menos como el código de la Asamblea de programación", dijo Chien, científico senior de investigación sobre sistemas espaciales autónomos. "Permite que los científicos se centren en las cosas ' que piensan '--analizando e interpretando los datos--mientras que los exploradores robóticos buscan características de interés."

La ciencia es conducida por notar lo inesperado, que es más fácil para un humano entrenado que sabe cuando algo es sorprendente. Para los robots, esto significa tener un sentido de lo que es "normal" y utilizar técnicas de aprendizaje de la máquina para detectar anomalías estadísticas.

"No queremos perder algo sólo porque no sabíamos buscarlo", dijo Wagstaff, un científico de datos principal con el grupo de aprendizaje de máquinas de JPL. "Queremos que la nave espacial sepa lo que esperamos ver y reconocer cuando observa algo diferente".

Detectar características inusuales es un uso de i.a. Pero hay un uso aún más complejo que será esencial para el estudio de los mundos del océano, como la Luna de Júpiter Europa.

"Si usted sabe mucho por adelantado, usted puede construir un modelo de normalidad-de lo que el robot debe esperar a ver", dijo Wagstaff. "Pero para nuevos entornos, queremos que la nave espacial construya un modelo de normalidad basado en sus propias observaciones." De esa manera, puede reconocer sorpresas que no hemos anticipado".
Imaginen, por ejemplo, la detección de plumas que erupcionan en los mundos oceánicos. Estas erupciones pueden ser espontáneas y pueden variar mucho en cuanto duran. A.i. podría permitir a una nave espacial que pase a priorizar sus operaciones y estudiar estos fenómenos "sobre la marcha", dijo Chien.

JPL ha liderado el desarrollo de varios ejemplos clave para el espacio que los demonios del polvo de a.i. que remolinaban a través de la superficie marciana fueron imaginados por la NASA Rover de la Oportunidad usando un programa llamado reloj. Ese programa evolucionó más tarde en Aegis, lo que ayuda al instrumento ChemCam de Curiosity Rover a escoger nuevos objetivos láser que satisfagan los parámetros de su equipo científico sin necesidad de esperar la interacción con los científicos de la Tierra. Aegis también puede afinar la señalización del láser ChemCam.

Más cerca de casa, el software de a.i. llamado el experimento Sciencecraft autónomo estudió volcanes, inundaciones y incendios, mientras que a bordo de la observación de la Tierra-1, un satélite administrado por el Centro Goddard de vuelo espacial de la NASA, Greenbelt, Maryland. El instrumento de Hyperion EO-1 también usó i.a. para identificar yacimientos de azufre en la superficie de los glaciares--una tarea que podría ser importante para lugares como Europa, donde los yacimientos de azufre serían de interés como posibles biofirmas.

A.I. permite a las naves espaciales priorizar los datos que recopila, equilibrando otras necesidades como la fuente de alimentación o el almacenamiento de datos limitado. La gestión autónoma de sistemas como estos está siendo prototipo para el Mars 2020 Rover de la NASA (que también usará Aegis para escoger objetivos láser).

Mientras que la autonomía ofrece nuevas y emocionantes ventajas a los equipos científicos, tanto Chien como Wagstaff enfatizaron que A.I. tiene un largo camino por recorrer.

"Para el futuro previsible, hay un papel fuerte en la dirección humana de alto nivel", dijo Wagstaff. "Pero A.I. es una herramienta de observación que nos permite estudiar ciencia que no pudimos conseguir de otra manera."

Andrew Good
Jet Propulsion Laboratory, Pasadena, Calif.
818-393-2433
andrew.c.good@jpl.nasa.gov

Traducción: El Quelonio Volador



Comentarios

Entradas populares de este blog

El Quelonio Volador se ha trasladado...

Amigas, Amigos, el quelonio volador migró de plataforma, ya que en blogger no se puede arregla. www.elqueloniovolador.science los llevará a la nueva plataforma Todos los días repetiré hasta terminar las 9.400 entradas de esta mas lo nuevo. Espero les guste la nueva plantilla. La diferencia es el punto después de las www Rogelio Julio Dillon  El Quelonio Volador

‎Nebulosa Roseta: El Corazón de Una Rosa‎

‎La Nebulosa Roseta es una región de formación estelar cerca de 5.000 años luz de la Tierra.‎ ‎Rayos x de Chandra revela unos 160 Estrellas en el racimo conocido como NGC 2237 (lado derecho de la imagen).‎ ‎Combinado rayos x y óptico de datos, los Astrónomos determinaron que el cluster central formado en primer lugar, seguido por los vecinos unos incluyendo NGC 2237.‎ ‎Esta imagen compuesta muestra la región de formación estelar de Roseta, ubicada unos 5.000 años luz de la Tierra. Datos del Observatorio de rayos x Chandra son color rojo y delimitados por una línea blanca. Las ‎ ‎radiografías‎ ‎ revelan cientos de estrellas jóvenes agrupados en el centro de la imagen y racimos más débil adicionales a cada lado. Estos clusters están marcados en la única imagen de rayos x, donde son más evidentes a la vista. Óptico de datos de la encuesta sobre el cielo digitalizado y el Observatorio Nacional de Kitt Peak (púrpura, naranja, verde y azul) ver grandes áreas de gas y polvo, inclu

MESSIER 103 (M103)

Charles Messier (1730 – 1817) fue un Astrónomo francés conocido por su "Catálogo de Nebulosas y Cúmulos de Estrellas". Un ávido cazador de Cometa, Messier com piló un cat álogo de objetos de cielo profundo con el fin de ayudar a evitar que a otros entusiastas de los Cometa pierdan su tiempo estudiando los objetos que no eran Cometas. ‎ Créditos: R. Stoyan et al., Atlas de los objetos Messier: Aspectos más destacados del cielo profundo (Cambridge University Press, 2008) MESSIER 103 (M103) ‎Messier 103‎ ‎ (también conocido como ‎ ‎M103‎ ‎, o ‎ ‎NGC 581‎ ‎) ‎ ‎ Donde se forman unas mil estrellas en la ‎ ‎Constelación de‎ ‎ ‎ ‎Cassiopeia‎ ‎. Este cúmulo abierto fue descubierto en 1781 por ‎ ‎Charles Messier‎ ‎ y su amigo y colaborador ‎ ‎Pierre Méchain‎ ‎. ‎ ‎ ‎    Uno de los abiertos más lejanos grupos conocidos, con distancias de 8.000 a 9.500 ‎ ‎años luz‎ ‎ de la ‎ ‎Tierra‎ ‎ ‎ ‎ ‎ ‎ y que van cerca de 15 años de luz Apart. Hay cerca de 40 miembros estrellas M103,