NASA e IBM presentaron un modelo de IA fundamental abierto para estudiar la superficie lunar. El modelo NASA-IBM Lunar Foundation está disponible a través de Hugging Face junto con un conjunto de datos que los investigadores podrán utilizar para crear sus propios sistemas. El modelo se desarrolló en el contexto de la preparación de NASA para las nuevas misiones Artemis y está diseñado para abordar varias tareas de análisis de la superficie lunar. Una de las direcciones más prometedoras ha sido la identificación de áreas donde puede haber hielo. Al compararse con el modelo de visión por computadora SwinV2-B de Microsoft, el sistema de NASA e IBM mostró un 23% menos de errores. En una prueba separada de búsqueda y clasificación de cráteres, superó este punto de referencia en un 19%, utilizando al mismo tiempo la mitad del volumen de datos de entrenamiento.
La creación del modelo requirió un enfoque separado para el procesamiento de imágenes lunares. A diferencia de la Tierra, donde la atmósfera dispersa la luz solar, en la Luna las sombras tienen bordes prácticamente negros, y las áreas sombreadas de la imagen no contienen información adicional. Por lo tanto, un mismo cráter puede verse completamente diferente bajo diferentes condiciones de captura. El método estándar de visión por computadora que elimina parte de la imagen y luego la restaura también resultó poco efectivo: una gran cantidad de cráteres lunares tienen una apariencia similar. Los investigadores dividieron la superficie del satélite en sectores separados y usaron diferentes áreas para entrenamiento y prueba, lo que permitió mejorar la coherencia de los datos. La verificación práctica se realizó después de la caída del aparato SpaceX Falcon 9 en la Luna el 5 de agosto: el modelo pudo reconocer un cráter fresco en la imagen, aunque casi coincidía completamente con una formación existente.
Otro resultado del proyecto fue un conjunto de datos abierto, recopilado de materiales de las misiones NASA Lunar Reconnaissance Orbiter y GRAIL, así como del aparato japonés SELENE. Incluye decenas de miles de imágenes y lecturas de instrumentos científicos. Los investigadores crearon una red de coordenadas común que vincula las imágenes con otros tipos de datos y obtuvieron más de dos millones de puntos combinados. En NASA e IBM consideran que este conjunto puede ser un resultado del trabajo tan significativo como el propio modelo, ya que anteriormente no existían datos tan organizados de manera tan compleja para investigaciones similares. La fecha exacta de la misión Artemis III aún no está determinada, pero el nuevo sistema debería proporcionar a los científicos una herramienta adicional para preparar futuras investigaciones lunares.
Artículos relacionados
