个性化阅读
专注于IT技术分析

NASA如何使用机器学习?机器学习的例子

本文概述

你是否曾经看过夜空, 想知道星空之外还有什么?你是否想知道宇宙中是否还有其他生物?你想去某个遥远的星系, 找出宇宙的秘密吗?!好吧, 所有这些问题都是NASA每天试图解决的问题。

美国宇航局涉及太空的各个方面, 从研究地球的外部大气到寻找其他行星上的生命迹象!和机器学习是空间发现的重要组成部分, 因为它是此数据时代的必备工具。各种NASA航天器和卫星生成的数据量非常疯狂(例如, 请考虑斯隆数字天空调查将创造更多5000万未来的星系图像!), 因此有必要使用机器学习来识别此数据中的模式, 这将在将来带来令人兴奋的新发现!不仅如此!机器学习还可以用于监视太空中的宇航员健康状况, 智能地进行航天器维修, 发现其他星系中的更多行星以及其他奇妙的事物!!!实际上, 在太空和机器学习方面, 甚至没有极限!!!

NASA如何使用机器学习

现在, 让我们来看一下一些现有的或正在进行的应用程序NASA的机器学习这样你就可以更好地了解这项奇妙技术在太空探索中的范围, 并可以对其未来的应用有所了解。

1.火星上的自驾流浪者–精神与机遇流浪者

你是否认为Tesla, Google, Uber等是最早对无人驾驶汽车进行大量投资的公司?好吧, 再想一想!!!实际上, NASA已经为自动驾驶大约十年前的火星漫游者。一种基于机器学习的自动驾驶火星探测器导航和驾驶系统, 称为自动导航实际用于精神和机会最早于2004年登陆火星的火星车。另一辆火星车于2011年发射升空, 好奇心也使用Autonav, 这是一个漫游者, 至今仍在探索火星, 其任务是寻找水和其他可能使火星适合未来人类探索的因素!

现在你会认为, 在火星上行驶要比在拥挤的地球道路上行驶相对容易。但这不是那么容易!尽管AutoNav不必担心漫游车撞击其他车辆或人(火星上还没有发现生命!), 但火星表面非常多岩石, 因此导航系统必须确保漫游车不会撞击岩石或湿滑的沙丘会永久将其困住。

好奇心漫游者美国航空航天局

NASA火星好奇号火星车

图像来源– NASA

机器学习在火星探测器上的另一个应用是一种称为地理信息系统(用于收集增加的科学的自主探索)通过使用机器学习识别火星岩层本身可能很有趣, 这是因为流动站无法发送它捕捉回的所有火星图片, 因为只能进行有限的通信。因此, AEGIS决定哪些图片可能有趣或重要, 然后流动站将它们发送回地球, 供NASA科学家研究。

2.太空医学–探索医学能力(ExMC)

现在, 宇航员正在越来越多地进入地球轨道以外的太空, 如果他们需要医疗救助会发生什么?他们显然将无法返回地球接受医生检查!因此, NASA正在研究探索医疗能力它将使用机器学习根据宇航员的预期未来医疗需求开发医疗保健选择。这些医疗保健方案将由认证的医生和外科医生创建, 他们将根据宇航员的经验随着时间的推移而学习和发展。

探索-医疗能力-美国国家航空航天局

探索医疗能力–这就是未来太空中医学栖息地的内部外观

图像来源– NASA

总而言之, “探索医疗能力”的主要目的是使宇航员在太空中保持健康健康(尤其是在远距离任务中)。而且, 与漫画书中有关太空的漫画不同, 与太空旅行相关的一些常见健康风险是辐射危害, 严峻的环境挑战, 重力变化引起的问题, 在这种情况下, 由于存在时滞, 宇航员无法直接与地球上的医生联系, 因此ExMC使用机器学习在远程医疗技术的帮助下提供自力更生的自主医疗服务。

3.在宇宙中寻找其他行星–行星谱发生器

我敢肯定, 我不需要告诉你宇宙是巨大的!美国宇航局认为1000亿星系中的恒星, 其中的恒星400亿可能有生命。这不是科幻小说, 美国航空航天局实际上认为我们有一天会发现外星人!但是要发现外星人, NASA首先需要在不同的太阳系中发现越来越多的新行星。一旦这些系外行星被发现后, 美国宇航局测量这些行星的大气光谱, 以发现是否存在生命的可能性。

尽管这些步骤非常复杂, 但问题是没有可用的实际数据进行实验!因此, NASA科学家只需生成所需的数据, 这就是机器学习的用武之地。行星谱发生器是NASA用于创建的工具3-D轨道和大气特性他们发现的系外行星。为了创建太阳系的工作模型, 科学家使用线性回归以及卷积神经网络。然后, 在准备进行训练之前, 会对模型进行进一步的微调。

NASA频谱数据结果

图像来源– NASA

上图显示了系外行星产生的结果, 表明了大气中水和甲烷的量。如你在CH4和H2O图中所见, 黑线表示使用机器学习进行的预测, 红线表示实际发现。如你所见, 经过训练的ML模型在这种情况下非常准确!

4.机器人宇航员–劫掠者

你是否认为宇航员只能是人类?!好吧, 通常来说你是对的, 但是美国宇航局已经开发了一种机器人宇航员现在。科幻小说终于实现了!的劫掠者主要是为了与太空中的宇航员一起工作, 并帮助他们完成对人类非常危险的任务。这是必要的, 因为这将增加NASA在太空中进行研究和发现的能力, 从而使我们能够进一步了解太阳系。

太空劫掠者

国际空间站上的劫匪

图像来源– NASA

从这张图可以看出, Robonaut现在是太空中的重要助手!为此, Robonaut基本上使用机器学习为自己”思考”。因此, 科学家或宇航员可以将任务交给Robonaut, 它可以弄清楚如何执行任务。总的来说, Eobonaut也比普通人有很多优势, 例如先进的传感器, 超高的速度, 紧凑的设计, 还有很多更高的灵活性。开发Robonaut时使用了许多先进的技术, 其中包括指尖的触摸传感器, 全颈部行程, 高分辨率摄像头和红外系统, 先进的手指和拇指运动等。

5.月球导航–深度学习行星导航

如果你迷失在地球上会怎样?好吧, 没什么!你只需使用GPS即可毫无问题地到达目的地。但是, 如果你在月球上迷路了怎么办?好吧, 你最好希望有人能找到你, 因为GPS不能在月球上工作!或者至少直到现在都没有!!!目前, NASA边境发展实验室正在致力于提供包括月球在内的天体表面导航的项目!该项目的主要目的是在不使用多个非常昂贵的卫星的情况下, 甚至在月球表面上提供GPS!记住岩石和贫瘠的月球表面并非易事:

月球表面

图像来源– NASA

这是通过向机器学习系统输入大量月球图像(在这种情况下, 这是240万个, 幸运的是NASA已经拥有!), 然后使用神经网络创建月球的虚拟版本来完成的。然后, 如果你迷失在月球上, 则可以拍摄周围的图像, 并且机器学习系统将图像与已经创建的构成虚拟月球的月球表面图像数据库进行比较, 从而可以将你在月球上的位置进行三角测量。尽管这项技术尚不完善(但!), 但它仍然比现有技术要好得多, 并且可以在任何行星表面上使用, 而不仅仅是月亮。 NASA已经希望它可以在下一个火星上使用, 以防万一有人迷失在红色星球上!


赞(0)
未经允许不得转载:srcmini » NASA如何使用机器学习?机器学习的例子

评论 抢沙发

评论前必须登录!