Η NASA και η Google αναπτύσσουν ένα νέο ρομποτικό σύστημα τεχνητής νοημοσύνης που θα μπορούσε να αναλάβει πρακτικές εργασίες και να υποστηρίξει αστροναύτες σε μελλοντικές αποστολές στη Σελήνη και τον Άρη. Το ερευνητικό πρόγραμμα συνδυάζει ρομποτική, μοντέλα Vision-Language-Action και τοπική επεξεργασία AI, με τις πρώτες εργαστηριακές δοκιμές να καταγράφουν ποσοστό επιτυχίας 85% στη μετακίνηση αντικειμένων. Στόχος είναι η δημιουργία ενός ρομποτικού βοηθού που θα μπορεί να διαχειρίζεται εξοπλισμό και, σε επόμενο στάδιο, να υποστηρίζει βασικές ιατρικές διαδικασίες.
Η συνεργασία παρουσιάστηκε από την Google Public Sector και περιλαμβάνει το Human Research Program της NASA, την ομάδα ρομποτικής του Johnson Space Center και το Jet Propulsion Laboratory
. Το νέο σύστημα βρίσκεται ακόμη σε ερευνητικό στάδιο, ωστόσο η δυνατότητα λειτουργίας του σε μικρές υπολογιστικές μονάδες αποτελεί σημαντικό βήμα προς την ανάπτυξη ρομπότ που δεν θα εξαρτώνται από συνεχή επικοινωνία με τη Γη.
Γιατί οι αποστολές στον Άρη χρειάζονται αυτόνομα ρομπότ
Οι μελλοντικές επανδρωμένες αποστολές στον Άρη θα αντιμετωπίσουν μια σημαντική δυσκολία που δεν υπάρχει στον ίδιο βαθμό στις σημερινές διαστημικές επιχειρήσεις: την καθυστέρηση στις επικοινωνίες με τη Γη.
Ανάλογα με τη σχετική θέση των δύο πλανητών, η συνολική καθυστέρηση αποστολής και λήψης ενός μηνύματος μπορεί να φτάσει έως τα 44 λεπτά. Αυτό σημαίνει ότι οι αστροναύτες δεν θα μπορούν να βασίζονται σε άμεσες οδηγίες από το κέντρο ελέγχου όταν αντιμετωπίζουν ένα επείγον τεχνικό ή ιατρικό περιστατικό.
Η NASA εξετάζει επομένως συστήματα που θα μπορούν να εκτελούν συγκεκριμένες εργασίες τοπικά, υπό την επίβλεψη του πληρώματος, περιορίζοντας την ανάγκη συνεχούς ανθρώπινης παρέμβασης.
Ένα τέτοιο ρομπότ θα μπορούσε να οργανώνει εργαλεία, να μεταφέρει φορτία, να διαχειρίζεται εξοπλισμό και να προετοιμάζει συσκευές που απαιτούνται για την καθημερινή λειτουργία μιας διαστημικής εγκατάστασης.
Ρομποτικό AI που καταλαβαίνει οδηγίες και εκτελεί κινήσεις
Η τεχνολογική βάση του προγράμματος είναι το Pi0, ένα open-source μοντέλο Vision-Language-Action (VLA) που αναπτύχθηκε από την Physical Intelligence.
Σε αντίθεση με τα συνηθισμένα γλωσσικά μοντέλα, τα VLA συνδυάζουν οπτικές πληροφορίες, γλωσσικές οδηγίες και εντολές φυσικής κίνησης. Έτσι, ένα ρομποτικό σύστημα μπορεί να επεξεργαστεί μια οδηγία, να αναγνωρίσει αντικείμενα στον χώρο και να σχεδιάσει τις κινήσεις που απαιτούνται για την εκτέλεσή της.
Στις εργαστηριακές δοκιμές, το σύστημα κλήθηκε να εντοπίσει και να μετακινήσει μια ιατρική τσάντα. Χρησιμοποιώντας διάταξη κάμερας eye-to-hand για την παρακολούθηση του περιβάλλοντος, πέτυχε αρχικό ποσοστό επιτυχίας 85%.
Το συγκεκριμένο αποτέλεσμα αφορά τη δοκιμή μετακίνησης αντικειμένου σε ελεγχόμενες εργαστηριακές συνθήκες και όχι τη συνολική αξιοπιστία του ρομπότ σε πραγματική διαστημική αποστολή.
Προσομοίωση κινήσεων πριν από τις πραγματικές δοκιμές
Η ανάπτυξη πραγματοποιείται με τη βοήθεια του MuJoCo, ενός συστήματος προσομοίωσης φυσικής της Google DeepMind, το οποίο επιτρέπει τη δοκιμή σύνθετων κινήσεων σε εικονικά περιβάλλοντα.
Με αυτόν τον τρόπο, οι ερευνητές μπορούν να αξιολογούν πώς αντιδρά ένα ρομπότ σε διαφορετικές καταστάσεις πριν χρησιμοποιήσουν πραγματικό εξοπλισμό.
Παράλληλα, το Jet Propulsion Laboratory προσαρμόζει τεχνολογίες αντίληψης του χώρου που είχαν αρχικά αναπτυχθεί για την παρακολούθηση αντικειμένων σε τροχιά. Σκοπός είναι να ενισχυθεί η ικανότητα του ρομπότ να αντιλαμβάνεται το τρισδιάστατο περιβάλλον και να κινείται με ασφάλεια σε περιορισμένους χώρους.
Η συγκεκριμένη πρόκληση είναι ιδιαίτερα σημαντική μέσα σε διαστημόπλοια, όπου το ρομποτικό σύστημα θα πρέπει να εργάζεται κοντά σε ανθρώπους και ευαίσθητο εξοπλισμό.
Τεχνητή νοημοσύνη χωρίς συνεχή σύνδεση στο cloud
Μία από τις σημαντικότερες τεχνικές επιτυχίες του προγράμματος αφορά την υπολογιστική υποδομή.
Η Google χρησιμοποίησε συστήματα Google Cloud G4 για την περαιτέρω εκπαίδευση του μοντέλου Pi0, το οποίο διαθέτει περίπου τέσσερα δισεκατομμύρια παραμέτρους. Η διαδικασία fine-tuning ολοκληρώθηκε σε 2,5 ώρες.
Στη συνέχεια, οι ερευνητές έδειξαν ότι το προσαρμοσμένο μοντέλο μπορεί να λειτουργήσει τοπικά σε μικρές, ενεργειακά αποδοτικές υπολογιστικές μονάδες.
Τα τελευταία δύο χρόνια εξετάστηκαν περίπου 15 διαφορετικές συσκευές edge computing, με στόχο την επιλογή hardware κατάλληλου για περιορισμούς κατανάλωσης ενέργειας και διαθέσιμου χώρου.
Για τις διαστημικές αποστολές, η συγκεκριμένη δυνατότητα είναι κρίσιμη, καθώς ένα σύστημα AI πρέπει να μπορεί να επεξεργάζεται δεδομένα και να εκτελεί εντολές χωρίς να περιμένει απάντηση από επίγεια data centers.
Από τη μεταφορά εξοπλισμού στην ιατρική υποστήριξη
Η NASA και η Google εξετάζουν επίσης τη δυνατότητα αξιοποίησης του ρομπότ για την υποστήριξη ιατρικών διαδικασιών.
Ένα πιθανό σενάριο αφορά αστροναύτη που παρουσιάζει έντονο πόνο στη μέση, σύμπτωμα το οποίο μπορεί να σχετίζεται με πέτρες στα νεφρά. Το ρομπότ θα μπορούσε να αναλάβει την ανάκτηση και προετοιμασία ενός φορητού υπερηχογράφου, επιτρέποντας στον υπεύθυνο ιατρικής φροντίδας του πληρώματος να επικεντρωθεί στην εξέταση.
Η πρωτοβουλία συνδέεται με προηγούμενη συνεργασία για το Crew Medical Officer Digital Assistant, ένα σύστημα υποστήριξης κλινικών αποφάσεων που αναπτύσσεται για απομονωμένα περιβάλλοντα.
Ο μακροπρόθεσμος στόχος είναι το ρομπότ να δέχεται απλές φωνητικές οδηγίες και να εκτελεί βοηθητικές ενέργειες, πάντοτε υπό ανθρώπινη επίβλεψη.
Το επόμενο βήμα για τη ρομποτική στις διαστημικές αποστολές
Το πρόγραμμα δεν αφορά ακόμη επιχειρησιακό ρομπότ που έχει αποσταλεί στο διάστημα. Πρόκειται για πρωτότυπο που υποβάλλεται σε εργαστηριακές δοκιμές, ενώ απαιτείται περαιτέρω αξιολόγηση της ασφάλειας και της αξιοπιστίας του.
Η συνεργασία NASA και Google δείχνει, ωστόσο, πώς η τεχνολογία Physical AI μπορεί να αξιοποιηθεί πέρα από εργοστάσια και αποθήκες, σε περιβάλλοντα όπου η ανθρώπινη παρουσία είναι περιορισμένη και η πρόσβαση σε εξωτερική υποστήριξη δύσκολη.
Για τις μελλοντικές αποστολές στη Σελήνη και τον Άρη, τέτοια συστήματα θα μπορούσαν να μειώσουν τον χρόνο που αφιερώνουν οι αστροναύτες σε εργασίες υποστήριξης, επιτρέποντάς τους να επικεντρώνονται περισσότερο στην επιστημονική έρευνα και στις κρίσιμες επιχειρησιακές αποφάσεις.
