software1

¿Cómo usa la NASA el aprendizaje automático?


¿Alguna vez has visto el cielo nocturno y te preguntas qué hay más allá de las estrellas? ¿Alguna vez te has preguntado si hay vida en algún otro lugar del universo? ¿Te gustaría viajar a una galaxia lejana y descubrir los secretos del universo? !! Bueno, la NASA trata de resolver todas estas preguntas a diario.

La NASA se ocupa de todos los aspectos del espacio, desde estudiar la atmósfera exterior hasta encontrar signos de vida en otros planetas. Y Machine Learning es una gran parte de esta cobertura espacial, ya que es una herramienta necesaria en esta era de datos. La cantidad de datos generados por varias naves espaciales y satélites de la NASA es una locura (por ejemplo, considere que solo el Sloan Digital Sky Survey generará más de 50 millones imágenes de galaxias en el futuro ¡Will!) y, por lo tanto, se requiere aprendizaje automático para identificar patrones en estos datos que conducirán a nuevos descubrimientos emocionantes en el futuro. ¡Y eso no es todo! ¡El aprendizaje automático también se puede utilizar para controlar la salud de los astronautas en el espacio, realizar reparaciones de naves espaciales de forma inteligente, descubrir más planetas en otras galaxias y otras cosas fantásticas! Cuando se trata de espacio y aprendizaje automático, ¡ni siquiera el cielo es el límite!

  ¿Cómo funciona el aprendizaje automático de la NASA?

Ahora revisemos algunas de las aplicaciones existentes o en curso de Aprendizaje automático para la NASA para que pueda comprender mejor el alcance de esta fantástica tecnología en la exploración espacial y obtener una visión general de la misma. sus futuras aplicaciones

. 1 Se Cuando los rovers conducen en Marte – The Spirit and Opportunity Rovers

¿Pensó que Tesla, Google, Uber, etc. fueron los primeros en invertir mucho en autos sin conductor? Bueno, piensa de nuevo! De hecho, hace casi una década, la NASA había desarrollado la tecnología para conducción autónoma para Mars Rovers. Un sistema de navegación y conducción basado en el aprendizaje automático para rovers autopropulsados ​​de Marte, conocido como AutoNav se usó realmente en el Rover Spirit y Opportunity que ya había aterrizado en Marte. Rover, que se lanzó en 2011, Curiosity también usa Autonav y es un rover que explora Marte hasta el día de hoy para encontrar agua y otros factores que hacen que Marte sea adecuado para la exploración humana. ¡Podría hacer que el mundo sea un futuro adecuado!

Ahora pensarías que conducir en Marte es relativamente más fácil que conducir en las carreteras congestionadas de la Tierra. ¡Pero no es tan fácil! Si bien AutoNav no tiene que preocuparse por el rover que golpea a otros vehículos o personas (¡todavía no hay vida en Marte!), La superficie de Marte es muy rocosa, por lo que el sistema de navegación debe asegurarse de que el rover no golpee la roca o se encuentra con suaves dunas de arena que lo atraparían permanentemente.

  Curiosity Rover NASA

Mars Curiosity Rover
Fuente de la imagen – NASA

Otra aplicación de aprendizaje automático en Mars Rovers es el algoritmo AEGIS (Exploración autónoma para la recolección) Elevado Ciencia) que identifica formaciones rocosas marcianas que podrían ser de interés solo a través del aprendizaje automático. Esto se debe a que el rover no puede enviar todas las imágenes de Marte que toma en la Tierra porque es posible una comunicación limitada. Entonces, AEGIS decide qué imágenes pueden ser interesantes o importantes, y el Rover las envía de regreso a la Tierra para que los científicos de la NASA las estudien.

. 2 Medicina en el espacio: examen de las capacidades médicas (ExMC)

¿Qué sucede cuando los astronautas continúan penetrando el espacio más allá de la órbita de la Tierra y requieren atención médica? ¡Obviamente no podrá regresar a la Tierra para ser examinado por un médico! Como resultado, la NASA está trabajando en Exploration Medical Capability que desarrollará opciones de atención médica utilizando el aprendizaje automático basado en las necesidades médicas futuras esperadas de los astronautas. Estas opciones de salud serán desarrolladas por médicos y cirujanos certificados, y aprenderán y evolucionarán con el tiempo a medida que los astronautas experimenten.

  Exploration-Medical-Capability-NASA

Exploration-Medical Capability: Cómo se ve el interior de un futuro desde un hábitat médico en el espacio
Fuente de la imagen: NASA

En general, el objetivo principal de Exploration Medical Capability es que los astronautas se mantengan en forma y saludables en el espacio (especialmente en misiones largas y distantes). Y a diferencia de los cómics sobre el espacio, algunos de los riesgos de salud comunes asociados con los viajes espaciales son riesgos de radiación, condiciones ambientales adversas, problemas debido a cambios gravitacionales, etc. En estas situaciones, los astronautas no pueden contactar directamente a los médicos. en la Tierra, ya que hay un retraso de tiempo y el ExMC utiliza el aprendizaje automático para proporcionar atención médica autónoma utilizando tecnologías médicas remotas.

. 3 Generador de espectro planetario

¡Estoy seguro de que no tengo que decirte que el universo es enorme! La NASA cree que en la galaxia hay aproximadamente 100 mil millones estrellas, de las cuales aproximadamente podrían tener 40 mil millones de vidas. ¡Esto no es ciencia ficción, la NASA realmente cree que algún día podríamos encontrar alienígenas! Pero para descubrir extraterrestres, la NASA primero debe descubrir nuevos planetas en diferentes sistemas solares. Una vez que se descubren estos exoplanetas la NASA mide el espectro atmosférico de estos planetas para determinar si existe la posibilidad de vida.

Aunque estos pasos son lo suficientemente complicados, ¡el problema es que no hay datos reales para experimentar! Los científicos de la NASA simplemente generan los datos necesarios, y aquí es donde entra en juego el aprendizaje automático. El Generador de espectro planetario es una herramienta utilizada por la NASA para crear órbitas tridimensionales y para las propiedades atmosféricas de los exoplanetas encontrados. Para crear un modelo de trabajo para el sistema solar, los científicos usan regresión lineal y redes neuronales convolucionales . Después, ajuste aún más el modelo antes de que esté listo para el entrenamiento.

  Resultados de datos de espectro de la NASA

Fuente de la imagen – NASA

La imagen de arriba muestra los resultados generados por un exoplaneta que muestra la cantidad de agua y metano en la atmósfera. Como puede ver en los gráficos CH4 y H2O, las líneas negras indican las predicciones hechas con Machine Learning, y las líneas rojas indican los resultados reales. Como puede ver, ¡el modelo ML entrenado es bastante preciso en esta situación!

. 4 Un robot astronauta: el robot

¿Creías que los astronautas solo podían ser humanos? !! Normalmente tendría razón, pero la NASA ahora ha desarrollado un robot astronauta . ¡La ciencia ficción finalmente se está haciendo realidad! El Robonaut fue diseñado principalmente para realizar tareas con los astronautas en el espacio que son muy peligrosas para los humanos. Esto fue necesario para aumentar la capacidad de la NASA para la exploración y descubrimiento espacial, para que pudiéramos aprender más sobre el sistema solar. Robonauta en el espacio Robonauta a bordo de la Estación Espacial Internacional Fuente – NASA

¡Como puede ver en esta imagen, Robonaut es ahora un ayudante indispensable en el espacio! Para lograr esto, Robonaut esencialmente usa Machine Learning para "pensar" por sí mismo. Entonces, los científicos o astronautas pueden asignar tareas al robot y él descubrirá cómo hacerlo. En general, Eobonaut también tiene muchas ventajas sobre las personas comunes como sensores avanzados, velocidades increíblemente altas, diseño compacto y mucha mayor flexibilidad . El Robonaut se ha desarrollado utilizando una variedad de tecnologías avanzadas, que incluyen sensores táctiles con la punta de los dedos, un área completa del cuello, una cámara de alta resolución y sistemas infrarrojos, movimientos avanzados de dedos y pulgares, etc.

5. Navegación en la Luna – Navegación planetaria de aprendizaje profundo

¿Qué pasaría si perdieras tu camino en la tierra? Bueno, no mucho! Simplemente puede usar el GPS para llegar a su destino sin ningún problema. ¿Pero qué pasa si te pierdes en la luna? ¡Ojalá alguien te encuentre, porque el GPS en la luna no funciona! ¡Al menos todavía no! Actualmente, el Laboratorio de Desarrollo Fronterizo de la NASA está trabajando en un proyecto de navegación en la superficie de los cuerpos celestes, ¡incluida la Luna! ¡Este proyecto esencialmente tiene como objetivo proporcionar GPS en la superficie lunar sin usar varios satélites muy caros! Y esta no es una tarea fácil cuando se considera la superficie lunar rocosa y estéril:

  Superficie lunar

Fuente de la imagen – NASA

Esto se logra al alimentar muchas imágenes de un sistema de aprendizaje automático a la Luna (2,4 millones en este caso , ¡Afortunadamente, la NASA ya!) Y luego usando redes neuronales crean una versión virtual de la luna. Cuando se pierde en la luna, puede tomar fotografías de su entorno, y el sistema de aprendizaje automático puede triangular su posición en la luna comparando sus imágenes con la base de datos de imágenes ya creada de la superficie lunar que representa la luna virtual. Aunque no es perfecta, esta técnica sigue siendo mucho mejor que cualquier cosa que ya esté disponible y se pueda aplicar a cualquier superficie del planeta, no solo a la luna. ¡Y la NASA ya espera que pueda usarse luego en Marte, en caso de que alguien se pierda en el planeta rojo!



Si le gusta GeeksforGeeks y desea contribuir, también puede escribir un artículo usando contrib.geeksforgeeks .org o enviar su artículo por correo electrónico a contrib@geeksforgeeks.org. Vea su artículo en la página principal de GeeksforGeeks y ayude a otros geeks.

Mejore este artículo si encuentra errores haciendo clic en el botón "Mejorar artículo" a continuación.