Czego Mars uczy nas o autonomii robotów — i czego nadal nie potrafi dowieść

Mars jest jednym z najbardziej wymagających poligonów doświadczalnych dla autonomii robotów. Sygnał radiowy potrzebuje około 3–22 minut, by dotrzeć w jedną stronę, a przerwy w łączności mogą trwać jeszcze dłużej. Sterowanie łazikiem jak zdalnie sterowanym pojazdem jest więc niepraktyczne: robot musi sam rozpoznać otoczenie, wybrać bezpieczne działanie i poradzić sobie z lokalną niepewnością, zanim Ziemia w ogóle otrzyma informację o sytuacji. 1719

To pozwala odpowiedzieć na węższe pytanie niż „czy robot może nauczyć się wszystkiego w symulacji?”. Mars pokazuje, ile użytecznej pracy można wykonać dzięki wcześniejszym modelom, czujnikom pokładowym i lokalnemu podejmowaniu decyzji, gdy danych jest mało, ponowne szkolenie trwa długo, a awaria może oznaczać koniec misji.

Co Mars rzeczywiście testuje

Mars rozdziela nadzór wysokiego poziomu od wykonania lokalnego. Zespół misji wybiera cele naukowe, określa ograniczenia i wyznacza ogólny kierunek. Łazik sam realizuje krótką pętlę: percepcja, planowanie, sterowanie i omijanie zagrożeń.

To realny test autonomii w warunkach opóźnienia i niepewności. Nie jest jednak czystym sprawdzianem tego, czy robot potrafi nauczyć się dowolnej umiejętności fizycznej bez wcześniejszego pobierania danych z docelowego środowiska. Jazda, manipulowanie przedmiotami i naprawa urządzeń wiążą się z innymi rodzajami niepewności, a Mars daje bardzo niewiele okazji do powtórzenia eksperymentu po awarii.

Curiosity kontra Perseverance: autonomia usuwa wąskie gardło

Curiosity i Perseverance mają zbliżoną konstrukcję układu jezdnego oraz tę samą nominalną maksymalną prędkość obrotową kół — około 4,2 centymetra na sekundę. Perseverance korzysta jednak z ulepszonego komputera pokładowego, kamer i oprogramowania nawigacyjnego, dzięki czemu znacznie sprawniej realizuje autonomiczną jazdę. 1

W przypadku Curiosity autonomiczna nawigacja często wymagała zatrzymania łazika, wykonania stereoskopowych zdjęć, ich przetworzenia i dopiero potem wybrania bezpiecznej ścieżki. W pierwszych 2500 solach, czyli marsjańskich dobach, mediana długości przejazdu Curiosity wynosiła około 28 metrów, a odcinki dłuższe niż 100 metrów zdarzyły się tylko 18 razy. 2

System AutoNav w Perseverance tworzy lokalne trójwymiarowe mapy terenu, wykrywa zagrożenia geometryczne i sam zmienia trasę wokół przeszkód. Nie musi czekać, aż kontrolerzy z Ziemi określą każdy fragment drogi. 37 W kampanii szybkich przejazdów łazik pokonał 528,7 metra w ciągu kilku solów według jednego planu, a następnie kontynuował jazdę na dystansie 699,9 metra bez ludzkiego wskazywania trasy przez trzy sole. 5 Podczas jednego z przejazdów przez pole głazów NASA podała, że Perseverance ukończył trasę mniej więcej w jednej trzeciej czasu potrzebnego wcześniejszym łazikom. 6

Nie jest to idealnie kontrolowane porównanie. Łaziki różnią się nie tylko oprogramowaniem, lecz także mocą obliczeniową, systemami obrazowania i innymi elementami misji. Mimo to wynik pokazuje ważną zasadę operacyjną: gdy robot potrafi samodzielnie podejmować bezpieczne decyzje lokalne, opóźnienie łączności przestaje być nieustannym cyklem „wydaj polecenie i czekaj”.

To nadal autonomia nadzorowana, nie niezależność

Perseverance nie eliminuje człowieka z procesu decyzyjnego. Ludzie wciąż ustalają, które cele naukowe są najważniejsze, jakie ryzyko można zaakceptować i dokąd łazik powinien zasadniczo zmierzać. Autonomia zajmuje się lokalnym wykonaniem tych założeń.

Taka architektura ma szczególne znaczenie, gdy robota nie da się odzyskać ani szybko wysłać ponownie. Zamiast przesyłać z Ziemi każdą korektę, operatorzy przekazują cele i granice działania. Robot, korzystając z czujników oraz modeli pokładowych, wybiera konkretne ruchy w ramach tych ograniczeń.

Wniosek jest praktyczny: autonomia może zwiększyć liczbę użytecznych działań i zakres badań naukowych możliwych w jednej marsjańskiej dobie, zwłaszcza w zadaniach dobrze ograniczonych, takich jak jazda z omijaniem zagrożeń. Nie dowodzi natomiast, że ten sam system bezpiecznie wykona dowolne zadanie manipulacyjne.

Dlaczego jazda nie potwierdza transferu z symulacji do manipulacji

Jazda jest trudna, ale dużą część problemu można opisać geometrycznie: rozpoznać teren, oszacować zagrożenia i poślizg, a następnie wybrać ostrożną trasę. Zadania wymagające kontaktu fizycznego wyglądają inaczej. Kopanie, pobieranie próbek, łączenie narzędzi, otwieranie mechanizmów, montaż i naprawy zależą od sił oraz właściwości materiałów, których nie da się wiarygodnie wywnioskować wyłącznie z obrazu.

System manipulacyjny musi często przewidywać uleganie materiału pod naciskiem, tarcie, przepływ ziaren, zużycie, luzy mechaniczne, interakcję narzędzia z regolitem i możliwe tryby awarii. Mars dodatkowo komplikuje sytuację: grawitacja na jego powierzchni wynosi około 0,37–0,38 grawitacji ziemskiej, atmosfera jest bardzo rzadka i składa się głównie z dwutlenku węgla, a powierzchnia jest zimna, sucha i pokryta niejednorodnym regolitem. 333536 Materiały techniczne NASA wskazują również na ryzyko elektryzowania się pyłu w suchym gruncie o wysokiej oporności. Naładowane cząstki mogą gromadzić się na powierzchniach i powodować dodatkowe zagrożenia. 3334

Pył nie jest wyłącznie problemem wizualnym. Badania związane z NASA wskazują, że osadzanie się pyłu na panelach słonecznych łazików obniżało ich sprawność na tyle poważnie, że mogło zagrozić dalszemu działaniu. 34 Symulator, który dobrze odtwarza wygląd terenu — a nawet generuje dobre decyzje nawigacyjne — może nadal błędnie przewidywać siły kontaktu, wymianę ciepła, przywieranie pyłu czy zużycie elementów decydujące o powodzeniu manipulacji.

Liczyć się muszą wyniki fizyczne, nie efektowna symulacja

Twierdzenie, że „symulacja radzi sobie z manipulacją na Marsie”, wymaga czegoś więcej niż przekonującego cyfrowego środowiska lub udanej demonstracji w pokrewnym zadaniu. Najważniejsze pytanie brzmi: czy model przewiduje zmierzone wyniki na fizycznych systemach i w warunkach, których nie użyto wcześniej do jego budowy?

Warto mierzyć między innymi:

• siły i momenty obrotowe podczas kontaktu narzędzia z podłożem;
• poślizg kół, zapadanie się i przyczepność na różnych typach gruntu;
• interakcję narzędzia z regolitem oraz przepływ materiału ziarnistego;
• zachowanie cieplne przy marsjańskim ciśnieniu i temperaturze;
• przywieranie pyłu i degradację czujników;
• zużycie podzespołów, luzy oraz zmieniające się tarcie;
• rozkład udanych zadań, działań naprawczych i awarii.

Dopóki model nie zgadza się z takimi pomiarami dla odpowiednich terenów i stanów środowiska, dobre wyniki nawigacji nie powinny być traktowane jako dowód niezawodnej manipulacji kontaktowej. Nie oznacza to, że symulacja jest bezużyteczna. Oznacza, że trzeba ją kalibrować względem rzeczywistości i stale sprawdzać, gdzie popełnia błąd.

Najpierw pomiary, potem drogi robot

Misja etapowa może ograniczyć koszt niewiadomych. Tańsze czujniki albo instrumenty rozpoznawcze mogą najpierw zmierzyć parametry fizyczne, które decydują o awariach. Dane z takich pomiarów pozwolą zaktualizować model środowiska, zawęzić zakres symulatora i wykryć warunki, w których nie został on jeszcze zweryfikowany.

Dopiero później można wysłać bardziej złożonego robota z politykami działania przetestowanymi względem pomiarów, których nie wykorzystano podczas budowy modelu. Instrumenty powinny nadal obserwować środowisko w trakcie pracy, aby system mógł wykryć moment, w którym rzeczywistość zaczyna odbiegać od jego założeń.

Nie chodzi więc o zastąpienie Marsa cyfrowym bliźniakiem. Chodzi o wykorzystanie niewielkiej liczby starannie dobranych pomiarów, by model cyfrowy stał się wystarczająco predykcyjny dla misji o wysokiej stawce.

Ziemia może odpowiedzieć wcześniej niż Mars

Kopalnie, instalacje offshore, obiekty jądrowe i miejsca dotknięte katastrofami mają część cech, które czynią Mars tak trudnym: niepełną informację, niebezpieczne otoczenie, kontakt z nieregularnymi materiałami i wysoką cenę pomyłek. W przeciwieństwie do Marsa umożliwiają jednak wielokrotne próby, gęste oprzyrządowanie, odzyskanie uszkodzonego sprzętu, kontrolowane zakłócenia oraz szybkie modyfikacje oprogramowania i konstrukcji.

Można tam wielokrotnie powtarzać pełną pętlę:

1. zeskanować i odtworzyć środowisko;
2. zasymulować możliwe działania;
3. wytrenować lub zaplanować politykę;
4. uruchomić ją na fizycznym robocie;
5. porównać przewidywania z obserwowanym wynikiem;
6. zaktualizować model i przeprowadzić kolejny test.

Wyniki z takich środowisk mogą pokazać, czy dana architektura autonomii i symulacji przenosi się między różnymi miejscami. Nie usuną jednak potrzeby kalibracji marsjańskiej: grawitacja, atmosfera, grunt, pył i warunki cieplne na Ziemi nie są identyczne jak na Czerwonej Planecie.

Co wynika z zapowiedzi 51WORLD

Publiczne opisy AperOne firmy 51WORLD przedstawiają ten produkt jako platformę zastosowań sztucznej inteligencji ucieleśnionej, obejmującą pętlę rekonstrukcji, treningu, oceny, wdrożenia i eksploatacji. Jeden z publicznych raportów mówi także o deklarowanej walidacji w środowiskach takich jak kopalnie i fabryki. 50

Osobno 51WORLD ogłosiło współpracę z Huantian Intelligence przy rozwoju ECS-1 — proponowanego komercyjnego satelity teledetekcyjnego, który ma wspierać trening fizycznej AI i zastosowania symulacyjne. Sam komunikat opisuje współpracę, a nie dowód, że system transferu z symulacji do manipulacji na poziomie wymaganym przez Marsa został już zweryfikowany na orbicie. 54

Zapowiedzi te pasują do strategii etapowej: najpierw gromadzić bogatsze dane o świecie fizycznym, budować użyteczne środowiska i sprawdzać systemy ucieleśnione, zanim trafią do najtrudniejszych zastosowań. Dostępne materiały nie ustanawiają jednak niezależnie skuteczności w manipulacji na Marsie ani nie dowodzą, że AperOne rozwiązał ogólny problem robotyki górniczej. Do takich wniosków potrzebne byłyby wyniki na poziomie konkretnych zadań, protokoły pomiarowe, dane o awariach i powtarzalne porównania.

Najmocniejszy wniosek

Mars pokazał już, że autonomia pokładowa może radykalnie zwiększyć produktywność zdalnego robota, gdy zadanie jest dobrze ograniczone, a maszyna potrafi lokalnie ocenić zagrożenia. Dłuższe autonomiczne przejazdy Perseverance dowodzą wartości przejścia od sterowania każdym ruchem z Ziemi do nadzoru nad wykonaniem. 456

Mars nie pokazał jeszcze, że sama symulacja dostarczy wiedzy fizycznej potrzebnej do niezawodnej manipulacji kontaktowej. Najbardziej uzasadniona droga jest iteracyjna: najpierw mierzyć, potem kalibrować model, sprawdzać jego przewidywania względem nowych danych, wielokrotnie testować cały proces w możliwych do odzyskania środowiskach na Ziemi i dopiero wtedy powierzać zaawansowanym robotom zadania o wysokiej stawce na Marsie.

Mars nie jest więc po prostu egzaminem końcowym z uczenia robotów. To środowisko, które bezlitośnie pokazuje, czy cały łańcuch „symulacja–rzeczywistość” został zweryfikowany, czy tylko wygląda wiarygodnie.