Посадочные аппараты, отправленные для сбора образцов с поверхности отдаленных планет, имеют ограниченное время и заряд батареи для выполнения своей миссии. Исследователи из Колледжа инженерии Грейнджера Университета Иллинойса в Урбана-Шампейн обучили модель, которая позволяет аппарату автономно оценивать и собирать образцы быстрее. Они протестировали эту модель на роботе в NASA.Снимок процесса сбора данных во время тестирования на испытательной платформе NASA Ocean World Lander Autonomy в Лаборатории реактивного движения. Фото предоставлено Университетом Иллинойса в Урбана-Шампейн.
Аспирант Пранаи Тхангеда рассказал, что они обучили роботизированную руку своего аппарата собирать данные о разных материалах — от песка до камней, создав базу данных из 6700 единиц информации. Два типа грунта в испытательном комплексе NASA OWLAT (Ocean World Lander Autonomy Testbed) были совершенно новыми для модели, которая дистанционно управляла роботизированной рукой лаборатории JPL.
Исследование под названием «Обучение и автономия для отбора проб внеземных поверхностей: опыт развертывания в OWLAT» было опубликовано на форуме AIAA Scitech.
«У нас было соединение через интернет. Я подключился к испытательной платформе JPL и получил изображение с камеры их роботизированной руки. Затем обработал его в своей модели в реальном времени. Модель решила начать с каменистого материала и с первой попытки определила, что его невозможно захватить», — объяснил Тхангеда.
Изучив изображение и результаты первой попытки, робот переместился в другое, более подходящее место и успешно собрал образец более мелкого грунта. Поскольку одной из задач миссии было собрать определенный объем материала, команда JPL измеряла объем каждой попытки, пока робот не выполнил задание.
Тхангеда отметил, что хотя их работа изначально была направлена на изучение океанических поверхностей, модель может использоваться не только для них.
«Обычно модели работают только с теми же данными, на которых они были обучены. Прелесть нашего метода в том, что нам не пришлось ничего менять для работы на платформе NASA, так как наша модель адаптируется в режиме реального времени».
«Хотя мы никогда не видели поверхности на испытательной платформе NASA, нам удалось развернуть обученную модель напрямую без изменений в их данных, и процесс развертывания был дистанционным — именно так будут работать автономные роботы на новых поверхностях в космосе».
Мелькиор Орник, научный руководитель Тхангеды, возглавляет один из четырех проектов, направленных на решение различных задач. Все они являются частью программы «Европа» и используют этот посадочный аппарат для исследования разных проблем.
«Мы были одними из первых, кто продемонстрировал значимый результат на их платформе, имитирующей поверхность Европы. Было здорово увидеть, как месяцы нашей работы реализуются на реальной высокоточной платформе. Было особенно приятно видеть, как модель справляется с совершенно другой поверхностью, на которых мы не обучались. Это вселило уверенность в нашей модели и методе», — объяснил он.
Тхангеда отметил, что команда JPL также осталась довольна. «Они были удивлены, что нам удалось запустить модель без серьезных изменений. Первоначально были некоторые трудности, но выяснилось, что это было связано с тем, что мы были первыми, кто пытался развернуть модель на их платформе. Некоторые проблемы возникали из-за сетевых неполадок и небольших багов в программном обеспечении».
«Когда всё заработало, люди удивились, что модель обучилась за одну-две попытки. Некоторые даже не верили, пока им не показали точные результаты и методику».
Он объяснил, что одной из главных задач было добиться совместимости их системы с системой NASA.
«Мы обучали модель на данных с камеры, установленной в определенном месте, с ковшом определенной формы. Положение камеры и форма ковша были двумя факторами, которые нам пришлось учитывать. Чтобы робот NASA использовал такой же ковш, мы отправили им дизайн для 3D-печати, и они напечатали его и прикрепили к своему роботу».
Тхангеда заключил, что команда планирует продолжить исследования в области автоматизации строительства, таких как раскопки и прокладка каналов. Для людей эти задачи просты, но для модели они являются сложными из-за множества нюансов при взаимодействии.
Источник
Источник новости: habr.com
