NASA и IBM представили открытую модель для анализа лунной поверхности

NASA и IBM выпустили специализированную фундаментальную модель, предназначенную для обработки геопространственных данных Луны. Проект направлен на автоматизацию анализа спутниковых снимков и других планетарных данных, собранных в ходе космических миссий.

Модель обучена на мультимодальном наборе данных, включающем информацию о топографии и составе поверхности спутника Земли. В ходе тестирования нейросеть показала результаты, превосходящие стандартные архитектуры в задачах детекции кратеров и оценки перспективности залегания льда. Использование специализированных весов позволяет системе точнее интерпретировать геологические особенности рельефа в условиях низкой освещенности.

Разработка является частью стратегии по внедрению машинного обучения в планетарные исследования. Исходный код и архитектура модели доступны для научного сообщества, что позволяет исследователям адаптировать решение под конкретные задачи картографирования. Интеграция экспертных знаний USRA обеспечила высокую точность классификации объектов на поверхности.

Внедрение подобных инструментов сокращает время на обработку терабайтов данных, поступающих с орбитальных аппаратов. Ранее подобные задачи требовали ручной разметки или использования менее эффективных алгоритмов компьютерного зрения. Теперь исследователи могут автоматизировать поиск ресурсов, необходимых для планирования будущих высадок и создания постоянных баз на Луне.