ناوبری مریخ‌نوردها؛ ناسا چگونه با هوش مصنوعی در مریخ مسیر می‌یابد و موانع را رد می‌کند؟

ناوبری مریخ‌نوردها از طریق سیستم‌های هوش مصنوعی پیشرفته مانندAutoNavانجام می‌شود. به دلیل تاخیر ۲۰ دقیقه‌ای در ارسال سیگنال بین زمین و مریخ، این ربات‌ها با استفاده از بینایی ماشین و الگوریتم‌های SLAM، محیط را اسکن کرده، نقشه‌های سه‌بعدی می‌سازند و بدون نیاز به دستور لحظه‌ای انسان، ایمن‌ترین مسیر را برای دور زدن موانع انتخاب می‌کنند.

ناسا برای حل مشکل تاخیر ارتباطی در مریخ، از هوش مصنوعی برای ناوبری خودکار (Autonomous Navigation) استفاده می‌کند. مریخ‌نودهایی مانند پرسیورنس با بهره‌گیری از دوربین‌های استریو و پردازنده‌های قدرتمند، تصاویر محیط را تحلیل کرده و موانع را شناسایی می‌کنند. سیستم AutoNav به ربات اجازه می‌دهد تا مسیرهای پیچیده را تحلیل کرده و بدون توقف برای دریافت دستور از زمین، به طور مستقل حرکت کند. این فناوری بر پایه پردازش لبه و بینایی ماشین استوار است که باعث افزایش سرعت اکتشاف و کاهش خطرات احتمالی برای تجهیزات میلیاردی ناسا در سطح سیاره سرخ می‌شود.

رازهای پردازش لبه در ربات‌های ناسا

در دنیای امروز که به سال ۲۰۲۶ رسیده‌ایم، دیگر بحث درباره اینکه آیا ربات‌ها می‌توانند فکر کنند مطرح نیست، بلکه بحث بر سر این است که آن‌ها چقدر سریع می‌توانند در محیط‌های ناشناخته تصمیم بگیرند. ما در تیم تحلیل XNET، بررسی کردیم که چگونه ناسا توانسته است فاصله میلیون‌ها کیلومتری زمین و مریخ را با کدنویسی و هوش مصنوعی کم کند. اگر به دنبال فرصت‌های شغلی در این حوزه هستید، پیشنهاد می‌کنم حتماراهنمای جامع مشاغل فضایی ۲۰۲۵را مطالعه کنید تا متوجه شوید چه مهارت‌هایی برای ورود به این صنعت مورد نیاز است.

چالش بزرگ؛ چرا کنترل دستی مریخ‌نوردها غیرممکن است؟

وقتی صحبت از مریخ می‌شود، اولین چیزی که باید به آن توجه کرد، سرعت نور است. سیگنال‌های رادیویی حتی با سرعت نور، بسته به موقعیت دو سیاره، بین ۵ تا ۲۰ دقیقه زمان می‌برند تا به مقصد برسند. این یعنی اگر یک اپراتور در زمین متوجه شود که مریخ‌نورد در حال سقوط در یک گودال است، دستوری که می‌فرستد ۲۰ دقیقه بعد می‌رسد و تا آن زمان اتفاق تلخ رخ داده است.

ما در بررسی‌هایمان متوجه شدیم که ناسا برای حل این معضل، مفهوم استقلال رباتیک را وارد مدار کرده است. در پاراگراف‌های ابتدایی به این اشاره کردیم که ربات باید خودش تصمیم بگیرد، اما این تصمیم‌گیری چگونه اتفاق می‌افتد؟ در واقع مریخ‌نوردها از چیزی به نامپردازش لبه (Edge Computing)استفاده می‌کنند؛ یعنی داده‌ها در همان لحظه روی سخت‌افزار خود ربات تحلیل می‌شوند و نه در سرورهای زمین.

سیستم AutoNav؛ مغز متفکر مریخ‌نوردها

سیستم ناوبری خودکار یا همانAutoNavدر واقع ترکیبی از بینایی ماشین و تحلیل هندسی است. مریخ‌نوردها از دوربین‌های استریو (دوگانه) استفاده می‌کنند تا عمق میدان را تشخیص دهند. این دوربین‌ها درست مانند چشم انسان عمل می‌کنند و با مقایسه دو تصویر، فاصله تا سنگ‌ها یا شیارهای عمیق را محاسبه می‌کنند.

طبق تجربه متخصصان رباتیک که با آن‌ها در ارتباط بودیم، فرآیند ناوبری به این صورت است

۱.تصویربرداریدوربین‌ها از محیط اطراف عکس می‌گیرند.
۲.ساخت نقشههوش مصنوعی یک نقشه سه‌بعدی از محیط (Cost Map) می‌سازد.
۳.تحلیل ریسکهر نقطه در نقشه بر اساس میزان خطر (مثلاً شیب زیاد یا سنگ‌های تیز) امتیاز می‌گیرد.
۴.انتخاب مسیرالگوریتم بهینه‌ترین مسیری را که کمترین ریسک و کوتاه‌ترین فاصله را دارد، انتخاب می‌کند.

در ادامه برای درک بهتر تفاوت‌ها، جدولی را آماده کرده‌ایم که تفاوت ناوبری قدیمی و جدید را نشان می‌دهد

نقش SLAM در مکان‌یابی دقیق

یکی از پیچیده‌ترین بخش‌های ناوبری، متوجه شدن این نکته است که ربات دقیقاً کجای مریخ قرار دارد. در زمین ما GPS داریم، اما در مریخ هیچ ماهواره‌ای برای مسیریابی وجود ندارد. اینجا است که تکنولوژیSLAM (Simultaneous Localization and Mapping)وارد می‌شود.

ما در تست‌هایی که روی مدل‌های مشابه شبیه‌سازها انجام دادیم، دیدیم که SLAM به ربات اجازه می‌دهد همزمان که در حال ساخت نقشه است، موقعیت خود را در آن نقشه پیدا کند. ربات نقاط شاخص محیط (مانند یک صخره خاص یا لبه یک تپه) را به عنوان لندمارک شناسایی می‌کند و با حرکت به جلو، موقعیت خود را نسبت به آن نقاط به‌روز می‌کند.

بر اساس گزارش‌های منتشر شده از مرکز JPL ناسا، مریخ‌نورد پرسیورنس به دلیل داشتن سخت‌افزارهای اختصاصی برای پردازش AI، می‌تواند بدون توقف برای پردازش تصاویر، همزمان حرکت کند. این یک جهش بزرگ نسبت به مریخ‌نورد کیوریتوسی است که باید هر چند متر می‌ایستاد تا تصاویر را پردازش کند.

بررسی عمیق‌تر؛ چگونه هوش مصنوعی موانع را شناسایی می‌کند؟

برای اینکه ربات بفهمد یک توده خاک نرم است یا یک سنگ سخت، از شبکه‌های عصبی تکاملی استفاده می‌کند. این مدل‌ها با هزاران تصویر از سطح مریخ آموزش دیده‌اند تا بتوانند بافت‌های مختلف را تشخیص دهند.

نکات کلیدی در شناسایی موانع

• تحلیل شیباگر شیب زمین از حد مجاز (مثلاً ۳۰ درجه) بیشتر باشد، هوش مصنوعی مسیر را مسدود می‌کند.
• تشخیص چرخ‌هاسیستم‌های نظارتی بررسی می‌کنند که آیا چرخ‌ها در حال لغزش هستند یا خیر. اگر لغزش زیاد باشد، AI مسیر را تغییر می‌دهد.
• برآورد اندازههر شیء شناسایی شده با ابعاد شاسی ربات مقایسه می‌شود تا احتمال گیر کردن بررسی شود.

برای مطالعه بیشتر درباره تکنولوژی‌های فضایی، می‌توانید به منابع معتبر مانندوب‌سایت رسمی NASA Marsمراجعه کنید تا با جزئیات سخت‌افزاری دوربین‌های Mastcam-Z آشنا شوید.

آینده ناوبری در سال ۲۰۲۶ و پس از آن

با ورود مدل‌های زبانی بزرگ (LLM) و هوش مصنوعی مولد به رباتیک، ناسا در حال تست سیستم‌هایی است که می‌توانند دستورات پیچیده انسانی را به توالی‌های حرکتی تبدیل کنند. به جای اینکه مهندسان بگویند «۵ متر جلو برو و ۱۰ درجه به چپ بچرخ»، می‌توانند بگویند «به دنبال سنگ‌های لایه‌ای در نزدیکی لبه گودال بگرد».

آیا ربات‌های مریخ روزی کاملا مستقل می‌شوند؟

ناوبری مریخ‌نوردها گواه قدرت هوش مصنوعی در سخت‌ترین شرایط محیطی است. از سیستم AutoNav و تکنولوژی SLAM گرفته تا پردازش لبه، همه این‌ها برای غلبه بر تاخیر ارتباطی و نبود GPS طراحی شده‌اند. ناسا با تبدیل مریخ‌نوردها از ابزارهای کنترل از راه دور به موجوداتی مستقل، مرزهای اکتشاف را جابجا کرده است. اکنون این ربات‌ها نه تنها مسیر می‌یابند، بلکه تصمیم می‌گیرند چه چیزی برای علم ارزشمند است و باید بررسی شود.

سوالات متداول

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.