更强大的处理器会给NASA的火星探测器带来超级充电吗？

美国国家航空航天局的火星探测车是过去二十年来在科学和太空领域取得的重大成就之一。

四代漫游车已经穿越了这颗红色星球，收集科学数据，发回令人回味的照片，并在令人难以置信的恶劣条件下生存-所有这些都使用的车载计算机没有iPhone 1强大。最新的漫游车毅力号于2020年7月30日发射，工程师们已经在梦想未来一代的漫游车。

虽然这是一项重大成就，但这些任务只是触及了地球及其地质、地理和大气的表面(字面上和比喻上)。

美国宇航局喷气推进实验室(JPL)机器人表面移动小组组长小野雅弘(Masahiro(Hiro)Ono)说，火星的表面积大约相当于地球上的总面积。JPL领导了所有的火星漫游车任务，他也是开发了允许目前火星车运行的软件的研究人员之一。(注：小野雅弘是美国国家航空航天局喷气推进实验室(JPL)机器人表面移动小组的组长，JPL领导了所有的火星漫游车任务，小野雅弘也是开发了允许目前火星车运行的软件的研究人员之一。)。

想象一下，你是一个外星人，你对地球几乎一无所知，你降落在地球的七八个点上，行驶了几百公里。那个外星人物种对地球了解够多吗？"；小野问。"；否。如果我们想表现火星的巨大多样性，我们将需要更多的地面测量，而关键是大幅延长距离，希望能覆盖数千英里。

在计算能力有限、能量饮食有限的情况下穿越火星多变的地形是一个巨大的挑战-漫游车一天只能捕获多少太阳并将其转化为电力。

第一辆月球车“旅居者”在91个索尔上行驶了330英尺；第二辆“勇气号”在大约五年的时间里行驶了4.8英里；“机遇号”在15年的时间里行驶了28英里；“好奇号”自2012年着陆以来，已经行驶了超过12英里。

小野说：我们的团队正在研究火星机器人的自主性，以使未来的漫游车更加智能，增强安全性，提高生产率，特别是驾驶得更快、更远。

今年夏天推出的毅力漫游车，使用BAE系统电子公司制造的RAD 750s抗辐射单板计算机进行计算。

然而，未来的任务可能会使用通过高性能航天计算(HPSC)项目设计的新的高性能、多核抗辐射处理器。(高通的骁龙处理器也在接受任务测试。)。这些芯片将使用相同的功率提供大约100倍于目前飞行处理器的计算能力。

喷气推进实验室(JPL)副首席技术和创新官克里斯·马特曼(Chris Mattmann)表示，你在我们最新的火星漫游车上看到的所有自主性基本上都是人在回路中-这意味着它需要人类互动才能操作。出现这种情况的部分原因是运行在其上的处理器的限制。这些新芯片的核心任务之一是进行深度学习和机器学习，就像我们在陆地上所做的那样。在这种新的计算环境下，什么是杀手级应用？

基于机器学习的自主漫游系统分析(MAARS)计划-三年前开始，将于今年结束-涵盖了人工智能可能有用的一系列领域。该团队在2020年3月的IEEE航空航天会议上公布了MAARS项目的结果。该项目入围了美国国家航空航天局(NASA)软件奖的决赛。

该团队在他们的IEEE论文中写道，地面高性能计算使自主车辆导航、机器学习和地面应用程序的数据分析取得了令人难以置信的突破。这种进步在火星探索中铺开的主要障碍是，最好的计算机在地球上，而最有价值的数据在火星上。

在德克萨斯高级计算中心(TACC)的Maverick2超级计算机以及亚马逊网络服务和JPL集群上训练机器学习模型，小野、马特曼和他们的团队一直在为未来的火星漫游车开发两项新功能，他们称之为驾车科学和能源优化自主导航。

小野是编写车载寻路软件以培养毅力的团队的一员。Persistance'；的软件包括一些机器学习能力，但它的寻路方式仍然相当天真。

小野说：我们希望未来的月球车能有类似人类的能力来观察和理解地形。对于漫游者来说，能源是非常重要的。火星上没有铺设好的高速公路。驾驶性能根据地形有很大的不同-例如海滩和。基岩。目前没有考虑这一点。想出一条有所有这些约束的路径是很复杂的，但这就是我们可以用HPSC或骁龙芯片处理的计算级别。但要做到这一点，我们需要稍微改变一下范式。

小野解释说，新的范式是由政策指挥的，是人类指令的：从A到B，做C，和纯粹自主的：去做科学。"；之间的中间地带。

政策指挥包括预先计划一系列情景，然后允许漫游车确定它遇到的情况和应该做的事情。

我们使用地面上的一台超级计算机，我们在那里有无限的计算资源，就像TACC的计算资源一样，来制定一个计划，其中的策略是：如果X，那么做这个；如果是y，那么做那个，小野解释说。我们基本上会列出一个很大的待办事项清单，然后把千兆字节的数据发送给漫游车，把它们压缩成巨大的表格。然后，我们将使用漫游车增加的功率来解压缩该策略并执行它。

使用基于机器学习的优化来生成预先计划的列表。然后，车载芯片可以使用这些计划来执行推理：从其环境中获取输入，并将它们插入到预先训练的模型中。推理任务在计算上要容易得多，而且可以在芯片上计算，就像那些可能伴随未来漫游者前往火星的芯片一样。

小野说，月球车可以灵活地改变船上的计划，而不是仅仅坚持一系列预先计划的选项。这一点很重要，以防有不好的事情发生，或者它发现了有趣的事情。

根据马特曼的说法，目前的火星任务通常使用火星车拍摄的数十张图像来决定第二天做什么。但是如果将来我们可以使用一百万个图片字幕呢？他说，这是Drive-by Science的核心宗旨。如果漫游车可以返回经过科学验证的文本标签和说明，我们的任务团队将会有更多的事情要做。

马特曼和团队采用了谷歌的Show and Tell软件，这是2014年首次推出的神经图像字幕生成器，用于月球车任务，这是该技术的第一个非谷歌应用程序。

该算法接收图像，并输出人类可读的字幕。这些信息包括基本但关键的信息，如基数-有多少岩石，有多远？-以及基岩附近露头的矿脉结构等特性。马特曼说，我们目前使用图像来决定什么是有趣的科学知识类型。

在过去的几年里，行星地质学家已经标记和策划了特定于火星的图像注释，以训练这个模型。

马特曼说：我们用100万个字幕来找出100个更重要的东西。使用搜索和信息检索功能，我们可以确定目标的优先级。人类仍在循环中，但他们正在获得更多的信息，并且能够更快地搜索到这些信息。

TACC的超级计算机在帮助喷气推进实验室团队测试该系统方面发挥了重要作用。在Maverick 2上，团队使用专家创建的6700个标签对他们的模型进行了培训、验证和改进。

对于未来的火星漫游者来说，旅行更远的能力将是必不可少的。其中一个例子就是由欧洲太空协会提议研发并于2020年代末发射的样品车，它的主要任务将是拾取火星2020号火星车挖出的样品并收集它们。

马特曼说，在几年的时间里，这些火星车必须比以前的火星车行驶10倍的距离才能收集所有样本，并将它们送到会合地点。我们需要在驾驶和使用能源的方式上更加聪明。

在将新的模型和算法装载到前往太空的月球车上之前，它们将在喷气推进实验室旁边的一个泥土训练场进行测试，喷气推进实验室是火星表面的陆基模拟物。

该团队开发了一个演示，展示了架空地图、漫游车收集的流式图像以及在漫游车上实时运行的算法，然后将漫游车暴露在船上进行地形分类和字幕。他们曾希望在今年春天完成对新系统的测试，但新冠肺炎关闭了实验室，推迟了测试。

与此同时，小野和他的团队开发了一款名为AI4Mars的公民科学应用程序，允许公众对好奇号火星车拍摄的2万多张图像进行注释。这些将被用来进一步训练机器学习算法，以识别和避免危险的地形。

到目前为止，公众在不到三个月的时间里已经产生了17万个标签。人们都很兴奋。小野说，这是人们提供帮助的机会。人们创造的标签将帮助我们让漫游车变得更安全。

小野说，为未来的自主任务开发基于人工智能的新范式的努力不仅可以应用于漫游车，还可以应用于任何自主空间任务，从轨道器到飞过再到星际探测器。

更强大的车载计算能力、在TACC等高性能计算机上计算的预先计划的命令，以及新算法的结合，有可能让未来的漫游者旅行得更远，做更多的科学研究。