AI4Mars

目的

地面は火星ローバに大きなリスクをもたらすことがあります。火星ローバー・スピリットは車輪が砂に埋もれたためミッションを終えました。オポチュニティとキュリオシティも、最終的には脱出できましたが、砂に車輪を取られたことがありました。もし火星ローバー自身が危険な地形を判別できれば素晴らしいと思いませんか？それが、NASA JPLのチームが現在、機械学習を用いて取り組んでいる課題です。地球上の自動運転車に用いられているのと同じ技術です。そのためにはまず、ローバーが学習するための教師データが必要となります。

問題

地球上の日常風景を扱った データセットは、様々なものがすでに公開されています。たとえば家の番号、街並み、ランダムなもの、そして子犬や子猫などです。しかし、これらのデータは、火星探査にはあまり役に立ちません。

ゴール

私たちのゴールは、火星の地形分類のための初のパブリックなデータセットを作ることです。無人火星探査において、ローバーがそうこうしたり、休眠したりするために安全な地形を自分で判断できることは非常に重要です。このプロジェクトはそのための最初のステップです。そしてそのためにみなさんの力が必要です！

夢

パブリックな火星の地形のデータセットがあれば、あなたを含む全ての人たちは、火星探査のための機械学習アプローチを開始できるようになります！

NASAの火星ローバーミッションについてもっと知りたい方へ

• Mars 2020 Rover
• Mars Science Laboratory (Curiosity)
• Mars Exploration Rovers (Spirit & Opportunity)

火星ローバーのAIに関する研究

On-board terrain classification (SPOC-Lite)

Machine Learning-based Analytics for Automated Rover Systems (MAARS)

論文など

• MAARS: Machine Learning-based Analytics for Automated Rover Systems, M. Ono et al., to be presented in IEEE Aerospace Conference, 2020
• Vision-Based Estimation of Driving Energy for Planetary Rovers Using Deep Learning and Terramechanics, S. Higa et al., IEEE Robotics and Automation Letters, 2019 [pdf]
• Make Planetary Images Searchable: Content-based search for PDS and On-Board Datasets, M. Ono et al., LPSC 2019 [pdf]
• SPOC: Deep Learning-based Terrain Classification for Mars Rover Missions, B. Rothrock et al., AIAA SPACE 2016 [pdf]