En 2023, la NASA planea lanzar el Europa Clipper mission, un explorador robótico que estudiará la luna enigmática Europa de Júpiter. El propósito de esta misión es explorar la capa de hielo y el interior de Europa para aprender más sobre la composición, la geología y las interacciones de la luna entre la superficie y el subsuelo. Sobre todo, el propósito de esta misión es arrojar luz sobre si la vida podría existir o no dentro del océano interior de Europa.
Esto presenta numerosos desafíos, muchos de los cuales surgen del hecho de que Europa Clipper estará muy lejos de la Tierra cuando realice sus operaciones científicas. Para abordar esto, un equipo de investigadores del Laboratorio de Propulsión a Chorro (JPL) de la NASA y de la Universidad Estatal de Arizona (ASU) diseñó una serie de algoritmos de aprendizaje automático que permitirán a la misión explorar Europa con cierto grado de autonomía.
Cómo estos algoritmos podrían ayudar con futuras misiones de exploración del espacio profundo fue el tema de una presentación realizada la semana pasada (7 de agosto) en la 25ª Conferencia ACM SIGKDD sobre Descubrimiento de Conocimiento y Minería de Datos en Anchorage, Alaska. Esta conferencia anual reúne a investigadores y profesionales en ciencia de datos, minería de datos y análisis de todo el mundo para discutir los últimos desarrollos y aplicaciones en el campo.
A fin de cuentas, la comunicación con misiones en el espacio profundo es un trabajo desafiante y que requiere mucho tiempo. Cuando se comunica con misiones en la superficie de Marte o en órbita, puede tomar una señal de hasta 25 minutos para llegar desde la Tierra (o de regreso). Enviar señales a Júpiter, por otro lado, puede tomar entre 30 minutos y hasta una hora, dependiendo de dónde se encuentre en su órbita con respecto a la Tierra.
Como señalan los autores en su estudio, las actividades de las naves espaciales generalmente se transmiten en un guión planificado previamente en lugar de a través de comandos en tiempo real. Este enfoque es muy efectivo cuando la posición, el entorno y otros factores que afectan a la nave espacial se conocen o se pueden predecir de antemano. Sin embargo, también significa que los controladores de misión no pueden reaccionar ante desarrollos inesperados en tiempo real.
Como el Dr. Kiri L. Wagstaff, investigador principal del Grupo de Autonomía de Instrumentos y Aprendizaje Automático de la NASA JPL, explicó a Space Magazine por correo electrónico:
“Explorar un mundo que es demasiado distante para permitir el control humano directo es un desafío. Todas las actividades deben ser preescritas. Una respuesta rápida a nuevos descubrimientos o cambios en el entorno requiere que la nave espacial misma tome decisiones, lo que llamamos autonomía de la nave espacial. Además, operar a casi mil millones de kilómetros de la Tierra significa que las tasas de transmisión de datos son muy bajas.
“La capacidad de la nave espacial para recopilar datos excede lo que se puede enviar de vuelta. Esto plantea la cuestión de qué datos deben recopilarse y cómo deben priorizarse. Finalmente, en el caso de Europa, la nave espacial también será bombardeada por radiación intensa, que puede corromper los datos y provocar reinicios de la computadora. Hacer frente a esos peligros también requiere una toma de decisiones autónoma ”.
Por esta razón, la Dra. Wagstaff y sus colegas comenzaron a buscar posibles métodos para el análisis de datos a bordo que funcionarían donde sea y cuando no sea posible la supervisión humana directa. Estos métodos son particularmente importantes cuando se trata de eventos raros y transitorios cuya ocurrencia, ubicación y duración no pueden predecirse.
Estos incluyen fenómenos como los demonios de polvo que se han observado en Marte, impactos de meteoritos, rayos en Saturno y plumas heladas emitidas por Encelado y otros cuerpos. Para abordar esto, la Dra. Wagstaff y su equipo observaron los avances recientes en algoritmos de aprendizaje automático, que permiten un grado de automatización y toma de decisiones independiente en informática. Como dijo el Dr. Wagstaff:
“Los métodos de aprendizaje automático permiten a la nave espacial examinar los datos a medida que se recopilan. La nave espacial puede identificar qué observaciones contienen eventos de interés. Esto puede influir en la asignación de prioridades de enlace descendente. El objetivo es aumentar la posibilidad de que los descubrimientos más interesantes se descarguen primero. Cuando la recopilación de datos excede lo que se puede transmitir, la nave espacial puede extraer los datos adicionales para obtener valiosas pepitas de ciencia.
“El análisis a bordo también puede permitir que la nave espacial decida qué datos recopilar a continuación en función de lo que ya ha descubierto. Esto se ha demostrado en la órbita de la Tierra utilizando el Autonomous Sciencecraft Experiment y en la superficie de Marte utilizando el sistema AEGIS en el rover Mars Science Laboratory (Curiosity). La recopilación de datos autónoma y receptiva puede acelerar en gran medida la exploración científica. Nuestro objetivo es extender esta capacidad al sistema solar exterior también ".
Estos algoritmos fueron diseñados específicamente para ayudar con tres tipos de investigaciones científicas que serán de extrema importancia para Europa Clipper misión. Estos incluyen la detección de anomalías térmicas (puntos cálidos), anomalías de composición (minerales o depósitos superficiales inusuales) y columnas activas de materia helada del océano subsuperficial de Europa.
"En este contexto, el cálculo es muy limitado", dijo el Dr. Wagstaff. “La computadora de la nave espacial funciona a una velocidad similar a la computadora de escritorio desde mediados hasta finales de la década de 1990 (~ 200 MHz). Por lo tanto, hemos priorizado algoritmos simples y eficientes. Un beneficio adicional es que los algoritmos son fáciles de entender, implementar e interpretar ".
Para probar su método, el equipo aplicó sus algoritmos tanto a datos simulados como a observaciones de misiones espaciales pasadas. Estos incluyen el Galileo nave espacial, que hizo observaciones espectrales de Europa para aprender más sobre su composición; la Cassini nave espacial, que capturó imágenes de la actividad del penacho en la luna Encelado de Saturno; y el Nuevos horizontes imágenes de naves espaciales de actividad volcánica en la luna Io de Júpiter.
Los resultados de estas pruebas mostraron que cada uno de los tres algoritmos demostró un rendimiento suficientemente alto para contribuir a los objetivos científicos descritos en la Encuesta del Decenario de Ciencia Planetaria de 2011. Estos incluyen "confirmar la presencia de un océano interior, caracterizar la capa de hielo del satélite y permitir la comprensión de su historia geológica" en Europa para confirmar "el potencial del sistema solar exterior como una morada para la vida".
Además, estos algoritmos podrían tener implicaciones de largo alcance para otras misiones robóticas a destinos del espacio profundo. Más allá del sistema de lunas de Europa y Júpiter, la NASA espera explorar las lunas de Saturno, Encelado y Titán, en busca de posibles signos de vida en el futuro cercano, así como destinos que están aún más lejos (como la luna Tritón de Neptuno e incluso Plutón). Pero las aplicaciones no terminan ahí. Wagstaff lo puso:
"La autonomía de las naves espaciales nos permite explorar hacia dónde no pueden ir los humanos. Eso incluye destinos remotos como Júpiter y ubicaciones más allá de nuestro propio Sistema Solar. También incluye entornos más cercanos que son peligrosos para los humanos, como el fondo del fondo marino o los entornos de alta radiación aquí en la Tierra ".
No es difícil imaginar un futuro cercano en el que las misiones robóticas semiautónomas sean capaces de explorar los confines externos e internos del Sistema Solar sin supervisión humana regular. Mirando más hacia el futuro, no es difícil imaginar una era en la que los robots totalmente autónomos sean capaces de explorar planetas extrasolares y enviar sus hallazgos a casa.
Y mientras tanto, un semi-autónomo Europa Clipper ¡podría encontrar la evidencia de que todos estamos esperando! ¡Sería una firma biológica que pruebe que realmente hay vida más allá de la Tierra!
