美国宇航局的火星探测器司机所需你的帮助

来自名为 AI4Mars 的方法的三张图像显示了美国宇航局好奇号探测器所看到的有所不同一般来真是的火星崎岖。通过在崎岖特征周遭所画界线并为其分配四个ID之一，您可以尽力训练一种演算法，该演算法将自动为好奇号的莱卡规划者识别崎岖一般来真是。

您或许可以尽力 NASA 的好奇号火星车驾驶员更高地导航火星。适用该软件方法AI4Mars标注从黑色宇宙人下载的图片中的崎岖特征，可以训练人工智能演算法自动读取崎岖。

左边是一块大石头吗？才会不才会是泥土？或者也许它是好的，平整的石灰岩。AI4Mars 托管在公民科学研究网站 Zooniverse 上，可让您在崎岖周遭所画界线并选择四个ID之一。这些ID是强化叫作SPOC（植被特性和粒子类群）的火星崎岖类群演算法的不可或缺。

SPOC 由 NASA 的固定翼推进实验室开发，该实验室管理了该机构的所有火星探测器特殊任务，它标记了各种崎岖一般来真是，创建了一个可视化图片，尽力特殊任务小组成员明确要走的方向上。SPOC 仍然在适用，但系统可以适用进一步的培训。

“通常，训练剖面研习演算法只能数十万个比如说，”JPL 的 AI 所长 Hiro Ono 真是。“例如，自动驾驶汽车的演算法是用大量道路、标识、公共交通正上方、行人和其他机动车辆的图像进行训练的。其他用于剖面研习的公共数据集包含人、爬虫类和建筑物——但没有火星景观。”

一旦无论如何加速，SPOC 将能够自动区分粘性植被、高岩石、平整石灰岩和凶险的沙丘，将图像推送地球，从而更容易规划好奇号的下一步行动。

“在更进一步，我们努力这种演算法能够变得更多准确，以完成其他有益的特殊任务，例如预测漫游车的刹车在有所不同表面上刹车的可能性，”高田真是。