Mars on poikkeuksellisen vaativa testi robottien autonomialle. Viestin kulku yhteen suuntaan kestää noin 3–22 minuuttia, ja yhteyksissä voi esiintyä myös pidempiä katkoja. Siksi roveria ei voi käytännössä ajaa Maasta käsin kuin kauko-ohjattavaa autoa. Sen on tulkittava ympäristöään, valittava turvalliset liikkeet ja selvittävä tavanomaisista epävarmuuksista itse. 1719

Tämä tekee Marsista arvokkaan kokeen, mutta hieman rajatumman kuin kysymys ”voivatko robotit oppia kaiken simulaatiossa?”. Mars voi osoittaa, kuinka paljon hyödyllistä työtä robotti pystyy tekemään aiempien mallien, omien antureidensa ja paikallisen päätöksenteon avulla tilanteessa, jossa dataa on vähän, uudelleenkoulutus hidasta ja epäonnistuminen voi olla lopullinen.

Mitä Mars todella testaa?

Mars erottaa toisistaan korkean tason valvonnan ja matalan tason suorittamisen. Tutkijat ja operaattorit voivat valita tieteelliset kohteet, asettaa rajoitteet ja määrittää yleisen kulkusuunnan. Roverin tehtäväksi jää lyhyen aikavälin havainto–suunnittelu–ohjausketju: sen on tunnistettava maasto, arvioitava vaarat ja valittava reitti niiden perusteella.

Tämä on merkittävä testi autonomialle viiveen ja epävarmuuden keskellä. Se ei kuitenkaan ole puhdas testi sille, kykeneekö robotti oppimaan mielivaltaisia fyysisiä taitoja käymättä koskaan kohdeympäristössä.

Liikkuminen, esineiden käsittely ja korjaaminen sisältävät erilaisia epävarmuuksia. Lisäksi Marsissa epäonnistunutta koetta ei yleensä voida toistaa samalla laitteella uudelleen.

Curiosity ja Perseverance paljastavat autonomian tuottavuushyödyn

Curiosity ja Perseverance perustuvat läheisiin liikkuvuusratkaisuihin, ja niiden nimellinen pyörien enimmäisnopeus on sama, noin 4,2 senttimetriä sekunnissa. Perseverancessa on kuitenkin kehittyneempiä tietokoneita, kameroita ja navigointiohjelmistoja, joiden ansiosta sen autonominen ajaminen on huomattavasti tehokkaampaa. 1

Curiosityn autonominen navigointi edellytti usein pysähtymistä, stereokuvien ottamista ja kuvien käsittelyä ennen turvallisen reitin valintaa. Ensimmäisten 2 500 marsilaisen solin eli marsipäivän aikana Curiosityn ajomatkan mediaani oli noin 28 metriä, ja yli 100 metrin matka toteutui vain 18 kertaa. 2

Perseverancen AutoNav-järjestelmä muodostaa paikallisia kolmiulotteisia maastokarttoja, tunnistaa geometrisia vaaroja ja suunnittelee reitin uudelleen esteiden ympärille ilman, että Maa määrittää jokaisen ajosegmentin erikseen. 37

Sen Rapid Traverse -kampanjassa rover saavutti 528,7 metrin monisolisen ajon yhdellä suunnitelmalla sekä 699,9 metrin jatkoajon, joka toteutettiin kolmen solin aikana ilman ihmisen antamaa ajolinjaa. 5 Eräällä kivikkoisen alueen ylityksellä NASA ilmoitti Perseverancen selviytyneen reitistä noin kolmasosassa siitä ajasta, joka aiemmilta Mars-rovereilta olisi kulunut. 6

Vertailu ei ole täydellinen koeasetelma. Roverit eroavat toisistaan ohjelmistojen lisäksi esimerkiksi laskentatehon, kuvantamisen ja koko tehtäväjärjestelmän osalta. Silti tulos havainnollistaa tärkeää periaatetta: kun robotti pystyy tekemään turvallisia paikallisia päätöksiä, viestintäviive ei enää muodosta jatkuvaa komentojen ja odottamisen pullonkaulaa.

Oppitunti on valvova ohjaus, ei robottien täydellinen itsenäisyys

Perseverance ei poista ihmisiä päätöksenteosta. Ihmiset ratkaisevat edelleen, mikä tiede on tärkeintä, millaisia riskejä voidaan hyväksyä ja mihin roverin pitäisi yleisellä tasolla suunnata. Autonomia huolehtii paikallisesta toteutuksesta, jonka avulla tavoitteisiin päästään tehokkaammin.

Tällainen arkkitehtuuri on erityisen arvokas, kun robottia ei voida pelastaa tai korvata nopeasti. Sen sijaan että Maasta lähetettäisiin jokainen yksittäinen korjausliike, operaattorit antavat tavoitteet ja turvarajat. Robotti valitsee niiden sisällä toimintansa omien antureidensa ja malliensa perusteella.

Näyttö tukee siis käytännöllistä johtopäätöstä: rajatuissa tehtävissä, kuten vaaroja väistävässä ajossa, autonomia voi lisätä aktiivista työaikaa ja solia kohden saavutettavaa tiedettä. Se ei osoita, että sama järjestelmä selviytyisi turvallisesti mielivaltaisesta käsittelystä.

Miksi ajamisen onnistuminen ei todista simulaatiosta fyysiseen käsittelyyn siirtymistä?

Ajaminen on vaikeaa, mutta suuri osa ongelmasta voidaan kuvata geometrian avulla: maasto tunnistetaan, vaarat ja mahdollinen luisto arvioidaan ja niiden perusteella valitaan varovainen reitti.

Kosketukseen perustuvat tehtävät ovat toisenlaisia. Kaivaminen, näytteiden ottaminen, työkalujen kytkeminen, mekanismien avaaminen, rakenteiden kokoaminen ja korjaaminen riippuvat voimista ja materiaalien käyttäytymisestä, joita ei voi päätellä luotettavasti pelkästä ulkonäöstä.

Käsittelyjärjestelmän on ehkä ennakoitava materiaalin joustavuus, kitka, rakeisen aineksen liike, kuluminen, välys, työkalun ja maaperän vuorovaikutus sekä erilaiset vikatilat. Mars lisää epävarmuutta entisestään: pintapainovoima on noin 0,37–0,38 Maan painovoimasta, ilmakehä on ohut ja pääosin hiilidioksidia, ja pinta on kylmä, kuiva sekä vaihtelevan regoliitin peittämä. 333536

NASA:n teknisissä aineistoissa sähköstaattinen varautuminen nostetaan esiin Marsin kuivan ja suuren sähköisen resistiivisyyden omaavan maaperän riskinä. Varautunut pöly voi kertyä pinnoille ja aiheuttaa vaaratilanteita. 3334

Pöly ei siis ole vain kamerakuvan häiriö. NASAan liittyvä tutkimus on todennut, että aurinkopaneeleille kertynyt pöly on heikentänyt niiden tehokkuutta niin paljon, että roverin toiminnan jatkuminen on voinut vaarantua. 34 Simulaatio voi jäljitellä maaston ulkonäköä – tai tuottaa hyviä navigointipäätöksiä – ja silti olla väärässä voimista, lämmön siirtymisestä, pölyn tarttumisesta tai kulumisesta, jotka ratkaisevat käsittelytehtävän onnistumisen.

Todellinen onnistumisen mittari on fyysinen lopputulos

Väite siitä, että ”simulaatio hallitsee Marsin käsittelytehtävät”, vaatii enemmän kuin uskottavan digitaalisen ympäristön tai onnistuneen demonstroinnin samankaltaisessa tehtävässä. Ratkaiseva testi on, ennustaako malli mitattuja tuloksia fyysisissä järjestelmissä ja sille ennestään tuntemattomissa olosuhteissa.

Hyödyllisiä mittauksia olisivat esimerkiksi:

• työkalun kosketuksen aikaiset voima- ja vääntömomentit;
• pyörien luisto, uppoaminen ja pito erilaisilla maa-aineksilla;
• työkalun ja regoliitin välinen vuorovaikutus sekä rakeisen aineksen virtaus;
• lämpökäyttäytyminen Marsin painetta ja lämpötilaa vastaavissa oloissa;
• pölyn tarttuminen ja antureiden toimintakyvyn heikkeneminen;
• komponenttien kuluminen, välykset ja muuttuva kitka; sekä
• tehtävien onnistumisten, palautumisten ja epäonnistumisten jakaumat.

Ennen kuin malli vastaa näihin mittauksiin erilaisissa olennaisissa maasto- ja ympäristötiloissa, navigointituloksia ei pidä pitää todisteena luotettavasta kosketukseen perustuvasta käsittelystä. Tämä ei tarkoita, että simulaatio olisi hyödytön. Se tarkoittaa, että simulaatio on kalibroitava todellisuutta vasten ja sen mallivirhettä on seurattava jatkuvasti.

Miksi ennakkovälineet ovat järkevä etenemistapa?

Vaiheittainen tehtävä voi pienentää tuntemattomien asioiden hintaa. Edullisemmat anturit tai tiedustelulaitteet voivat ensin mitata ne fysikaaliset parametrit, jotka ohjaavat epäonnistumista. Mittaukset voivat päivittää ympäristömallia, rajata simulaattorin epävarmuutta ja paljastaa olosuhteet, jotka ovat yhä sen validoidun käyttöalueen ulkopuolella.

Tämän jälkeen tehokas robotti voidaan lähettää toimimaan politiikoilla, joita on testattu ennakkoon pidätettyjä mittauksia vasten – ei vain saman datan perusteella, jolla malli rakennettiin. Mittausten tulisi jatkua myös operaation aikana, jotta järjestelmä huomaisi, milloin todellisuus alkaa poiketa sen oletuksista.

Tavoitteena ei ole korvata Marsia digitaalisella kaksosella. Tarkoitus on käyttää harvoja mutta tarkkaan valittuja mittauksia niin, että digitaalinen malli muuttuu riittävän ennustavaksi suuren riskin tehtävää varten.

Maapallo voi ratkaista käsittelykysymyksen ennen Marsia

Kaivokset, offshore-laitokset, ydinvoimalat ja katastrofialueet sisältävät monia samoja insinöörihaasteita kuin Mars: puutteellista tietoa, vaarallisia ympäristöjä, epäsäännöllisiin materiaaleihin kohdistuvia kosketuksia ja virheiden korkeita seurauksia.

Toisin kuin Marsissa, näissä ympäristöissä voidaan kuitenkin tehdä toistuvia kokeita, käyttää tiheää mittalaitteistoa, hakea rikkoutunut laite takaisin, muuttaa olosuhteita hallitusti ja päivittää ohjelmistoa tai laitteistoa nopeasti.

Koko ketju voidaan ajaa läpi monta kertaa:

1. ympäristö skannataan ja rekonstruoidaan;
2. ehdotetut toimet simuloidaan;
3. toimintapolitiikka koulutetaan tai suunnitellaan;
4. se otetaan käyttöön fyysisessä robotissa;
5. ennustettuja ja havaittuja tuloksia verrataan; ja
6. mallia päivitetään ja testataan uudelleen.

Tällainen näyttö voi osoittaa, onko tietty autonomia- ja simulaatioputki riittävän kestävä siirtyäkseen ympäristöstä toiseen. Mars-kohtaista kalibrointia se ei silti poista, sillä Maan painovoima, ilmakehä, maa-aines, pöly ja lämpötilaolot eivät ole samoja.

Mitä 51WORLDin julkiset ilmoitukset osoittavat – ja mitä eivät?

51WORLDin AperOnea koskevissa julkisissa kuvauksissa se esitetään ruumiillisen eli fyysisessä maailmassa toimivan tekoälyn sovellusalustana, jonka ydin muodostuu ympäristön rekonstruoinnin, koulutuksen, arvioinnin, käyttöönoton ja operoinnin ketjusta. Yhdessä julkisessa raportissa sen kerrotaan liittyvän validointiin muun muassa kaivos- ja tehdasympäristöissä. 50

Erikseen 51WORLD ilmoitti yhteistyöstä Huantian Intelligencen kanssa ECS-1:n kehittämiseksi. Kyseessä on ehdotettu kaupallinen kaukokartoitussatelliitti, jonka tarkoitus on tukea fysiikkapohjaisen tekoälyn koulutus- ja simulaatiosovelluksia. Ilmoitus kuvaa yhteistyöhanketta, ei näyttöä siitä, että Mars-tason sim-to-real-käsittelyjärjestelmä olisi jo validoitu avaruudessa. 54

Ilmoitukset sopivat vaiheittaiseen strategiaan: kerätään fyysisestä maailmasta parempaa dataa, rakennetaan käyttökelpoisia ympäristöjä ja testataan fyysisiä tekoälyjärjestelmiä ennen kaikkein vaikeimpia käyttökohteita. Saatavilla oleva aineisto ei kuitenkaan yksin osoita suorituskykyä Marsin käsittelytehtävissä eikä todista, että AperOne olisi ratkaissut kaivosrobotiikan yleisen ongelman. Tällaiset väitteet vaatisivat tehtävätason tuloksia, mittausprotokollat, epäonnistumisdataa ja toistettavia vertailuja.

Vahvin johtopäätös

Mars on jo osoittanut, että roverin oma autonomia voi muuttaa etärobotin tuottavuutta, kun tehtävä on rajattu ja robotti pystyy arvioimaan paikalliset vaarat. Perseverancen pidemmät autonomiset ajot näyttävät, mitä tapahtuu, kun Maa-ohjatuista komennoista siirrytään valvovaan ohjaukseen. 456

Mars ei kuitenkaan ole vielä osoittanut, että simulaatio yksin voisi tuottaa sen fyysisen tiedon, jota luotettavaan kosketukseen perustuvaan käsittelyyn tarvitaan. Kestävin etenemistapa on iteratiivinen: mitataan ensin, kalibroidaan malli, testataan ennusteet todellisuudesta pidätettyjä mittauksia vasten, toistetaan prosessi palautettavissa maapallon ympäristöissä ja vasta sitten luotetaan tehokkaisiin robotteihin suuren riskin tehtävissä Marsissa.

Mars ei siis ole vain robottioppimisen loppukoe. Se on ympäristö, joka paljastaa, onko koko sim-to-real-ketju todella validoitu – vai onko siitä vasta rakennettu uskottavan näköinen.

Mars on poikkeuksellisen vaativa testi robottien autonomialle. Viestin kulku yhteen suuntaan kestää noin 3–22 minuuttia, ja yhteyksissä voi esiintyä myös pidempiä katkoja. Siksi roveria ei voi käytännössä ajaa Maasta käsin kuin kauko-ohjattavaa autoa. Sen on tulkittava ympäristöään, valittava turvalliset liikkeet ja selvittävä tavanomaisista epävarmuuksista itse. 1719

Tämä tekee Marsista arvokkaan kokeen, mutta hieman rajatumman kuin kysymys ”voivatko robotit oppia kaiken simulaatiossa?”. Mars voi osoittaa, kuinka paljon hyödyllistä työtä robotti pystyy tekemään aiempien mallien, omien antureidensa ja paikallisen päätöksenteon avulla tilanteessa, jossa dataa on vähän, uudelleenkoulutus hidasta ja epäonnistuminen voi olla lopullinen.

Mitä Mars todella testaa?

Mars erottaa toisistaan korkean tason valvonnan ja matalan tason suorittamisen. Tutkijat ja operaattorit voivat valita tieteelliset kohteet, asettaa rajoitteet ja määrittää yleisen kulkusuunnan. Roverin tehtäväksi jää lyhyen aikavälin havainto–suunnittelu–ohjausketju: sen on tunnistettava maasto, arvioitava vaarat ja valittava reitti niiden perusteella.

Tämä on merkittävä testi autonomialle viiveen ja epävarmuuden keskellä. Se ei kuitenkaan ole puhdas testi sille, kykeneekö robotti oppimaan mielivaltaisia fyysisiä taitoja käymättä koskaan kohdeympäristössä.

Liikkuminen, esineiden käsittely ja korjaaminen sisältävät erilaisia epävarmuuksia. Lisäksi Marsissa epäonnistunutta koetta ei yleensä voida toistaa samalla laitteella uudelleen.

Curiosity ja Perseverance paljastavat autonomian tuottavuushyödyn

Curiosity ja Perseverance perustuvat läheisiin liikkuvuusratkaisuihin, ja niiden nimellinen pyörien enimmäisnopeus on sama, noin 4,2 senttimetriä sekunnissa. Perseverancessa on kuitenkin kehittyneempiä tietokoneita, kameroita ja navigointiohjelmistoja, joiden ansiosta sen autonominen ajaminen on huomattavasti tehokkaampaa. 1

Curiosityn autonominen navigointi edellytti usein pysähtymistä, stereokuvien ottamista ja kuvien käsittelyä ennen turvallisen reitin valintaa. Ensimmäisten 2 500 marsilaisen solin eli marsipäivän aikana Curiosityn ajomatkan mediaani oli noin 28 metriä, ja yli 100 metrin matka toteutui vain 18 kertaa. 2

Perseverancen AutoNav-järjestelmä muodostaa paikallisia kolmiulotteisia maastokarttoja, tunnistaa geometrisia vaaroja ja suunnittelee reitin uudelleen esteiden ympärille ilman, että Maa määrittää jokaisen ajosegmentin erikseen. 37

Sen Rapid Traverse -kampanjassa rover saavutti 528,7 metrin monisolisen ajon yhdellä suunnitelmalla sekä 699,9 metrin jatkoajon, joka toteutettiin kolmen solin aikana ilman ihmisen antamaa ajolinjaa. 5 Eräällä kivikkoisen alueen ylityksellä NASA ilmoitti Perseverancen selviytyneen reitistä noin kolmasosassa siitä ajasta, joka aiemmilta Mars-rovereilta olisi kulunut. 6

Vertailu ei ole täydellinen koeasetelma. Roverit eroavat toisistaan ohjelmistojen lisäksi esimerkiksi laskentatehon, kuvantamisen ja koko tehtäväjärjestelmän osalta. Silti tulos havainnollistaa tärkeää periaatetta: kun robotti pystyy tekemään turvallisia paikallisia päätöksiä, viestintäviive ei enää muodosta jatkuvaa komentojen ja odottamisen pullonkaulaa.

Oppitunti on valvova ohjaus, ei robottien täydellinen itsenäisyys

Perseverance ei poista ihmisiä päätöksenteosta. Ihmiset ratkaisevat edelleen, mikä tiede on tärkeintä, millaisia riskejä voidaan hyväksyä ja mihin roverin pitäisi yleisellä tasolla suunnata. Autonomia huolehtii paikallisesta toteutuksesta, jonka avulla tavoitteisiin päästään tehokkaammin.

Tällainen arkkitehtuuri on erityisen arvokas, kun robottia ei voida pelastaa tai korvata nopeasti. Sen sijaan että Maasta lähetettäisiin jokainen yksittäinen korjausliike, operaattorit antavat tavoitteet ja turvarajat. Robotti valitsee niiden sisällä toimintansa omien antureidensa ja malliensa perusteella.

Näyttö tukee siis käytännöllistä johtopäätöstä: rajatuissa tehtävissä, kuten vaaroja väistävässä ajossa, autonomia voi lisätä aktiivista työaikaa ja solia kohden saavutettavaa tiedettä. Se ei osoita, että sama järjestelmä selviytyisi turvallisesti mielivaltaisesta käsittelystä.

Miksi ajamisen onnistuminen ei todista simulaatiosta fyysiseen käsittelyyn siirtymistä?

Ajaminen on vaikeaa, mutta suuri osa ongelmasta voidaan kuvata geometrian avulla: maasto tunnistetaan, vaarat ja mahdollinen luisto arvioidaan ja niiden perusteella valitaan varovainen reitti.

Kosketukseen perustuvat tehtävät ovat toisenlaisia. Kaivaminen, näytteiden ottaminen, työkalujen kytkeminen, mekanismien avaaminen, rakenteiden kokoaminen ja korjaaminen riippuvat voimista ja materiaalien käyttäytymisestä, joita ei voi päätellä luotettavasti pelkästä ulkonäöstä.

Käsittelyjärjestelmän on ehkä ennakoitava materiaalin joustavuus, kitka, rakeisen aineksen liike, kuluminen, välys, työkalun ja maaperän vuorovaikutus sekä erilaiset vikatilat. Mars lisää epävarmuutta entisestään: pintapainovoima on noin 0,37–0,38 Maan painovoimasta, ilmakehä on ohut ja pääosin hiilidioksidia, ja pinta on kylmä, kuiva sekä vaihtelevan regoliitin peittämä. 333536

NASA:n teknisissä aineistoissa sähköstaattinen varautuminen nostetaan esiin Marsin kuivan ja suuren sähköisen resistiivisyyden omaavan maaperän riskinä. Varautunut pöly voi kertyä pinnoille ja aiheuttaa vaaratilanteita. 3334

Pöly ei siis ole vain kamerakuvan häiriö. NASAan liittyvä tutkimus on todennut, että aurinkopaneeleille kertynyt pöly on heikentänyt niiden tehokkuutta niin paljon, että roverin toiminnan jatkuminen on voinut vaarantua. 34 Simulaatio voi jäljitellä maaston ulkonäköä – tai tuottaa hyviä navigointipäätöksiä – ja silti olla väärässä voimista, lämmön siirtymisestä, pölyn tarttumisesta tai kulumisesta, jotka ratkaisevat käsittelytehtävän onnistumisen.

Todellinen onnistumisen mittari on fyysinen lopputulos

Väite siitä, että ”simulaatio hallitsee Marsin käsittelytehtävät”, vaatii enemmän kuin uskottavan digitaalisen ympäristön tai onnistuneen demonstroinnin samankaltaisessa tehtävässä. Ratkaiseva testi on, ennustaako malli mitattuja tuloksia fyysisissä järjestelmissä ja sille ennestään tuntemattomissa olosuhteissa.

Hyödyllisiä mittauksia olisivat esimerkiksi:

• työkalun kosketuksen aikaiset voima- ja vääntömomentit;
• pyörien luisto, uppoaminen ja pito erilaisilla maa-aineksilla;
• työkalun ja regoliitin välinen vuorovaikutus sekä rakeisen aineksen virtaus;
• lämpökäyttäytyminen Marsin painetta ja lämpötilaa vastaavissa oloissa;
• pölyn tarttuminen ja antureiden toimintakyvyn heikkeneminen;
• komponenttien kuluminen, välykset ja muuttuva kitka; sekä
• tehtävien onnistumisten, palautumisten ja epäonnistumisten jakaumat.

Ennen kuin malli vastaa näihin mittauksiin erilaisissa olennaisissa maasto- ja ympäristötiloissa, navigointituloksia ei pidä pitää todisteena luotettavasta kosketukseen perustuvasta käsittelystä. Tämä ei tarkoita, että simulaatio olisi hyödytön. Se tarkoittaa, että simulaatio on kalibroitava todellisuutta vasten ja sen mallivirhettä on seurattava jatkuvasti.

Miksi ennakkovälineet ovat järkevä etenemistapa?

Vaiheittainen tehtävä voi pienentää tuntemattomien asioiden hintaa. Edullisemmat anturit tai tiedustelulaitteet voivat ensin mitata ne fysikaaliset parametrit, jotka ohjaavat epäonnistumista. Mittaukset voivat päivittää ympäristömallia, rajata simulaattorin epävarmuutta ja paljastaa olosuhteet, jotka ovat yhä sen validoidun käyttöalueen ulkopuolella.

Tämän jälkeen tehokas robotti voidaan lähettää toimimaan politiikoilla, joita on testattu ennakkoon pidätettyjä mittauksia vasten – ei vain saman datan perusteella, jolla malli rakennettiin. Mittausten tulisi jatkua myös operaation aikana, jotta järjestelmä huomaisi, milloin todellisuus alkaa poiketa sen oletuksista.

Tavoitteena ei ole korvata Marsia digitaalisella kaksosella. Tarkoitus on käyttää harvoja mutta tarkkaan valittuja mittauksia niin, että digitaalinen malli muuttuu riittävän ennustavaksi suuren riskin tehtävää varten.

Maapallo voi ratkaista käsittelykysymyksen ennen Marsia

Kaivokset, offshore-laitokset, ydinvoimalat ja katastrofialueet sisältävät monia samoja insinöörihaasteita kuin Mars: puutteellista tietoa, vaarallisia ympäristöjä, epäsäännöllisiin materiaaleihin kohdistuvia kosketuksia ja virheiden korkeita seurauksia.

Toisin kuin Marsissa, näissä ympäristöissä voidaan kuitenkin tehdä toistuvia kokeita, käyttää tiheää mittalaitteistoa, hakea rikkoutunut laite takaisin, muuttaa olosuhteita hallitusti ja päivittää ohjelmistoa tai laitteistoa nopeasti.

Koko ketju voidaan ajaa läpi monta kertaa:

1. ympäristö skannataan ja rekonstruoidaan;
2. ehdotetut toimet simuloidaan;
3. toimintapolitiikka koulutetaan tai suunnitellaan;
4. se otetaan käyttöön fyysisessä robotissa;
5. ennustettuja ja havaittuja tuloksia verrataan; ja
6. mallia päivitetään ja testataan uudelleen.

Tällainen näyttö voi osoittaa, onko tietty autonomia- ja simulaatioputki riittävän kestävä siirtyäkseen ympäristöstä toiseen. Mars-kohtaista kalibrointia se ei silti poista, sillä Maan painovoima, ilmakehä, maa-aines, pöly ja lämpötilaolot eivät ole samoja.

Mitä 51WORLDin julkiset ilmoitukset osoittavat – ja mitä eivät?

51WORLDin AperOnea koskevissa julkisissa kuvauksissa se esitetään ruumiillisen eli fyysisessä maailmassa toimivan tekoälyn sovellusalustana, jonka ydin muodostuu ympäristön rekonstruoinnin, koulutuksen, arvioinnin, käyttöönoton ja operoinnin ketjusta. Yhdessä julkisessa raportissa sen kerrotaan liittyvän validointiin muun muassa kaivos- ja tehdasympäristöissä. 50

Erikseen 51WORLD ilmoitti yhteistyöstä Huantian Intelligencen kanssa ECS-1:n kehittämiseksi. Kyseessä on ehdotettu kaupallinen kaukokartoitussatelliitti, jonka tarkoitus on tukea fysiikkapohjaisen tekoälyn koulutus- ja simulaatiosovelluksia. Ilmoitus kuvaa yhteistyöhanketta, ei näyttöä siitä, että Mars-tason sim-to-real-käsittelyjärjestelmä olisi jo validoitu avaruudessa. 54

Ilmoitukset sopivat vaiheittaiseen strategiaan: kerätään fyysisestä maailmasta parempaa dataa, rakennetaan käyttökelpoisia ympäristöjä ja testataan fyysisiä tekoälyjärjestelmiä ennen kaikkein vaikeimpia käyttökohteita. Saatavilla oleva aineisto ei kuitenkaan yksin osoita suorituskykyä Marsin käsittelytehtävissä eikä todista, että AperOne olisi ratkaissut kaivosrobotiikan yleisen ongelman. Tällaiset väitteet vaatisivat tehtävätason tuloksia, mittausprotokollat, epäonnistumisdataa ja toistettavia vertailuja.

Vahvin johtopäätös

Mars on jo osoittanut, että roverin oma autonomia voi muuttaa etärobotin tuottavuutta, kun tehtävä on rajattu ja robotti pystyy arvioimaan paikalliset vaarat. Perseverancen pidemmät autonomiset ajot näyttävät, mitä tapahtuu, kun Maa-ohjatuista komennoista siirrytään valvovaan ohjaukseen. 456

Mars ei kuitenkaan ole vielä osoittanut, että simulaatio yksin voisi tuottaa sen fyysisen tiedon, jota luotettavaan kosketukseen perustuvaan käsittelyyn tarvitaan. Kestävin etenemistapa on iteratiivinen: mitataan ensin, kalibroidaan malli, testataan ennusteet todellisuudesta pidätettyjä mittauksia vasten, toistetaan prosessi palautettavissa maapallon ympäristöissä ja vasta sitten luotetaan tehokkaisiin robotteihin suuren riskin tehtävissä Marsissa.

Mars ei siis ole vain robottioppimisen loppukoe. Se on ympäristö, joka paljastaa, onko koko sim-to-real-ketju todella validoitu – vai onko siitä vasta rakennettu uskottavan näköinen.