നാസയുടെ പെർസെവറൻസ് റോവർ ചൊവ്വയിലെ ആദ്യത്തെ ഓട്ടോണമസ് എഐ-പ്ലാൻഡ് ഡ്രൈവ് പൂർത്തിയാക്കി ചരിത്രം സൃഷ്ടിച്ചു

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഇപ്പോൾ ഒരു മാർസ് റോവറിനെ എവിടെ ഓടിക്കണമെന്ന് തീരുമാനിക്കാൻ സഹായിക്കുന്നു. ഒരു പുതിയ പരീക്ഷണത്തിൽ, ചൊവ്വയുടെ ഉപരിതലത്തിൽ സുരക്ഷിതമായ പാതകൾ ആസൂത്രണം ചെയ്യാൻ നാസ ഒരു സ്മാർട്ട് കമ്പ്യൂട്ടർ സിസ്റ്റത്തെ അനുവദിച്ചു, ഭൂമിയിലെ മനുഷ്യരിൽ നിന്ന് ബഹിരാകാശ പര്യവേക്ഷണം പതുക്കെ കൂടുതൽ സ്വതന്ത്രമാകുന്നതെങ്ങനെയെന്ന് ഇത് കാണിക്കുന്നു. ആറ് ചക്രങ്ങളുള്ള ഈ റോവറിനായി, മനുഷ്യ റൂട്ട് പ്ലാനർമാരുടെ പങ്കാളിത്തമില്ലാതെ ചൊവ്വയുടെ ഉപരിതലത്തിൽ സുരക്ഷിതമായി നാവിഗേറ്റ് ചെയ്യാൻ വിഷൻ പ്രാപ്തമാക്കിയ എഐ സാങ്കേതികവിദ്യ സംഘം ഉപയോഗിച്ചതായി നാസ റിപ്പോർട്ട് ചെയ്തു.

നാസയുടെ പെർസെവറൻസ് മാർസ് റോവർ മറ്റൊരു ഗ്രഹത്തിലെ ആദ്യത്തെ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്-പ്ലാൻഡ് ഡ്രൈവുകൾ പൂർത്തിയാക്കി. ഡിസംബർ 8, 10 തീയതികളിൽ തെക്കൻ കാലിഫോർണിയയിലെ നാസയുടെ ജെറ്റ് പ്രൊപ്പൽഷൻ ലബോറട്ടറിയുടെ നേതൃത്വത്തിൽ നടത്തിയ ഈ പരീക്ഷണത്തിൽ, പെർസെവറൻസിന്റെ വഴി പോയിന്റുകൾ നിർണ്ണയിക്കാൻ ജനറേറ്റീവ് എഐ ഉപയോഗിച്ചു, സാധാരണയായി ദൗത്യത്തിന്റെ മനുഷ്യ റോവർ പ്ലാനർമാർ സ്വമേധയാ നടത്തുന്ന സങ്കീർണ്ണമായ തീരുമാനമെടുക്കൽ പ്രക്രിയയാണിത്.

നാസയുടെ സാങ്കേതിക കഴിവുകൾ എത്രത്തോളം മുന്നോട്ട് പോയി എന്നും ഭാവിയിൽ മനുഷ്യർ മറ്റ് ഗ്രഹങ്ങളെ എങ്ങനെ പര്യവേക്ഷണം ചെയ്യുമെന്നും ഈ പ്രദർശനം തെളിയിക്കുന്നുവെന്ന് നാസ അഡ്മിനിസ്ട്രേറ്റർ ജാരെഡ് ഐസക്മാൻ പറഞ്ഞു.

ദൗത്യങ്ങൾ കൂടുതൽ കാര്യക്ഷമമായി പ്രവർത്തിക്കാനും, ദുഷ്‌കരമായ ഭൂപ്രദേശങ്ങൾ കൈകാര്യം ചെയ്യാനും, ഭൂമിയിൽ നിന്നുള്ള ദൂരങ്ങൾ വർദ്ധിക്കുമ്പോൾ ശാസ്ത്രീയ നേട്ടങ്ങൾ മെച്ചപ്പെടുത്താനും ഇത്തരം സ്വയംഭരണ സാങ്കേതികവിദ്യകൾക്ക് സഹായിക്കുമെന്ന് അദ്ദേഹം പറഞ്ഞു. യഥാർത്ഥ ദൗത്യങ്ങളിൽ പുതിയ സാങ്കേതികവിദ്യയുടെ ഉത്തരവാദിത്തത്തോടെയും ശ്രദ്ധാപൂർവ്വവുമായ ഉപയോഗത്തിന്റെ ശക്തമായ ഉദാഹരണമായാണ് അദ്ദേഹം ഇതിനെ വിശേഷിപ്പിച്ചത്.

ഈ പരീക്ഷണത്തിനിടെ, JPL-ന്റെ ഉപരിതല ദൗത്യ ഡാറ്റാസെറ്റിൽ നിന്നുള്ള ഡാറ്റ വിശകലനം ചെയ്യാൻ ടീം വിഷൻ-ലാംഗ്വേജ് മോഡൽ എന്ന് വിളിക്കുന്ന ഒരു തരം ജനറേറ്റീവ് AI ഉപയോഗിച്ചു. മനുഷ്യ പ്ലാനർമാർ വേ പോയിന്റുകൾ സൃഷ്ടിക്കാൻ ആശ്രയിക്കുന്ന അതേ ചിത്രങ്ങളും വിവരങ്ങളും AI ഉപയോഗിച്ചു. റോവറിന് പുതിയ നിർദ്ദേശങ്ങൾ ലഭിക്കുന്ന കൃത്യമായ സ്ഥലങ്ങളാണ് ഈ വേ പോയിന്റുകൾ, ഇത് പെർസെവെറൻസിനെ ദുഷ്‌കരമായ ചൊവ്വയുടെ ഭൂപ്രദേശത്ത് സുരക്ഷിതമായി നാവിഗേറ്റ് ചെയ്യാൻ അനുവദിക്കുന്നു.

JPL-ന്റെ റോവർ ഓപ്പറേഷൻസ് സെന്ററിൽ നിന്നാണ് പദ്ധതി നടത്തിയത്, കമ്പനിയുടെ ക്ലൗഡ് AI മോഡലുകൾ ഉപയോഗിച്ച ആന്ത്രോപിക്കുമായി പങ്കാളിത്തത്തിലായിരുന്നു.

ചൊവ്വ ഭൂമിയിൽ നിന്ന് ശരാശരി 140 ദശലക്ഷം മൈൽ (225 ദശലക്ഷം കിലോമീറ്റർ) അകലെയാണ് സ്ഥിതി ചെയ്യുന്നത്. ഈ വലിയ ദൂരം ഗണ്യമായ ആശയവിനിമയ കാലതാമസം സൃഷ്ടിക്കുന്നു, ഇത് ജോയ്സ്റ്റിക്കിംഗ് എന്നറിയപ്പെടുന്ന റോവറിന്റെ തത്സമയ റിമോട്ട് കൺട്രോൾ അസാധ്യമാക്കുന്നു. ഇക്കാരണത്താൽ, കഴിഞ്ഞ 28 വർഷത്തിനിടയിലെ പല ദൗത്യങ്ങളിലും, റോവറിന്റെ റൂട്ടുകൾ മനുഷ്യ ഡ്രൈവർമാരാണ് ആസൂത്രണം ചെയ്ത് നടപ്പിലാക്കിയത്.

ഈ ഡ്രൈവർമാർ ഭൂപ്രദേശവും സാഹചര്യ ഡാറ്റയും പഠിച്ച് വേ പോയിന്റുകളിലൂടെ റൂട്ടുകൾ സൃഷ്ടിക്കുന്നു. സാധ്യതയുള്ള അപകടങ്ങൾ ഒഴിവാക്കാൻ, ഈ വേ പോയിന്റുകൾ സാധാരണയായി 330 അടി അല്ലെങ്കിൽ 100 ​​മീറ്ററിൽ കൂടുതൽ അകലത്തിലല്ല. ഈ പ്ലാനുകൾ പിന്നീട് നാസയുടെ ഡീപ് സ്പേസ് നെറ്റ്‌വർക്ക് വഴി റോവറിലേക്ക് അയയ്ക്കുന്നു, അത് റോവർ പിന്നീട് നടപ്പിലാക്കുന്നു.

എന്നിരുന്നാലും, 1,707, 1,709 ദൗത്യ ദിവസങ്ങളിലെ, സോൾസ് എന്നറിയപ്പെടുന്ന പെർസെവറൻസിന്റെ ഡ്രൈവുകൾക്ക്, ടീം ഒരു പുതിയ സമീപനം സ്വീകരിച്ചു. നാസയുടെ മാർസ് റെക്കണൈസൻസ് ഓർബിറ്ററിലെ ഹൈറൈസ് ക്യാമറയിൽ നിന്ന് ലഭിച്ച ഉയർന്ന റെസല്യൂഷൻ ഓർബിറ്റൽ ഇമേജുകളിൽ നിന്നും ഡിജിറ്റൽ എലവേഷൻ മോഡലുകളിൽ നിന്നുമുള്ള ഭൂപ്രദേശ ചരിവ് ഡാറ്റ ജനറേറ്റീവ് AI വിശകലനം ചെയ്തു.

ബെഡ്‌റോക്ക്, ഔട്ട്‌ക്രോപ്പുകൾ, അപകടകരമായ പാറക്കെട്ടുകൾ, മണൽ തിരമാലകൾ തുടങ്ങിയ പ്രധാന ഭൂമിശാസ്ത്ര സവിശേഷതകൾ തിരിച്ചറിഞ്ഞ ശേഷം, AI വേ പോയിന്റുകളുള്ള ഒരു തുടർച്ചയായ റൂട്ട് സൃഷ്ടിച്ചു.

AI നിർദ്ദേശങ്ങൾ റോവറിന്റെ ഫ്ലൈറ്റ് സോഫ്റ്റ്‌വെയറുമായി പൊരുത്തപ്പെടുന്നുണ്ടെന്ന് ഉറപ്പാക്കാൻ, എഞ്ചിനീയർമാർ റോവറിന്റെ ഒരു വെർച്വൽ പകർപ്പായ JPL ന്റെ ഡിജിറ്റൽ ട്വിൻ വഴി ഡ്രൈവ് കമാൻഡുകളും പരീക്ഷിച്ചു. തുടർന്ന് ചൊവ്വയിലേക്ക് കമാൻഡുകൾ അയയ്ക്കുന്നതിന് മുമ്പ് 500,000-ത്തിലധികം ടെലിമെട്രി വേരിയബിളുകൾ പരിശോധിച്ചു.

ഡിസംബർ 8 ന്, ജനറേറ്റീവ് AI നിർണ്ണയിച്ച വേ പോയിന്റുകൾ ഉപയോഗിച്ച് പെർസെവെറൻസ് 689 അടി അഥവാ 210 മീറ്റർ സഞ്ചരിച്ചു. രണ്ട് ദിവസത്തിന് ശേഷം, റോവർ 807 അടി അഥവാ 246 മീറ്റർ സഞ്ചരിച്ചു.

ജെപിഎൽ സ്‌പേസ് റോബോട്ടിക്‌സ് വിദഗ്ദ്ധനും പെർസെവെറൻസ് എഞ്ചിനീയറിംഗ് ടീമിലെ അംഗവുമായ വന്ദി വർമ്മ പറഞ്ഞു, ജനറേറ്റീവ് AI യുടെ അടിസ്ഥാനകാര്യങ്ങൾ ഗ്രഹത്തിന് പുറത്തുള്ള ഡ്രൈവിംഗിനായി സ്വയംഭരണ നാവിഗേഷന്റെ പ്രധാന വശങ്ങൾ ലളിതമാക്കുന്നതിൽ വലിയ സാധ്യതകൾ കാണിക്കുന്നുവെന്ന്. ലാൻഡ്‌ഫോമുകൾ തിരിച്ചറിയൽ, ഒരാളുടെ സ്ഥാനം കണ്ടെത്തൽ, ഏറ്റവും സുരക്ഷിതമായ റൂട്ട് നിർണ്ണയിക്കൽ, നടപ്പിലാക്കൽ എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു.