اما حالا تصور کنید همان مسیر را برای پانصدمین بار برانید — این دیگر چندان هیجانانگیز نخواهد بود، بهویژه برای فضانورد بیچارهای که مجبور است آن روز این مأموریت تکراری را انجام دهد! با همین دیدگاه، گروهی از پژوهشگران به سرپرستی الک کراوسیف (Alec Krawciw)، دانشجوی دکتری، و پروفسور تیم بارفوت (Tim Barfoot) از دانشگاه تورنتو، در حال کار بر روی راهکاری هستند تا بتوانند این وظیفهی یکنواخت و وقتگیر، یعنی رانندگی بین پایگاه و محل فرود موشک در ماه، را خودکار و بدون نیاز به فضانورد انجام دهند.
حملونقل بار یکی از ارکان اصلی در هر سناریوی مربوط به استقرار انسان در ماه است. در واقع، یکی از حیاتیترین کارکردها در سالهای ابتدایی برنامههای اکتشافی ماه، انتقال تجهیزات و محمولهها از محل فرود موشک به محیط زیستگاه (habitat) خواهد بود. دلیل این امر آن است که سکوی فرود و محل زیست نباید خیلی نزدیک به یکدیگر ساخته شوند. تخمین فعلی نشان میدهد که فاصلهی میان آنها باید حدود پنج کیلومتر باشد. این فاصله به چند دلیل ضروری است:
از یک سو، سکوی فرود نیاز به سطحی کاملاً صاف و گسترده دارد، در حالی که زیستگاه باید در محلی ساخته شود که در برابر تابشهای شدید سطح ماه تا حدودی محافظت شده باشد. از سوی دیگر، هنگام فرود یا برخاستن موشک، ذرات و خردهسنگهای پرتابشده (شبیه ترکش) میتوانند آسیب جدی به سازههای زیستی در مراحل اولیه ایجاد کنند.
با این حال، هر بار فرود یک موشک جدید به معنای ورود محمولههای تازه و ضروری برای پایگاه است — به شرطی که بتوان این محمولهها را به موقع و با ایمنی منتقل کرد. در حال حاضر چندین گروه در سراسر جهان روی سامانههای حملونقل ماهی کار میکنند، و آژانس فضایی کانادا (CSA) یکی از پیشگامان این حوزه است.
این آژانس وسیلهای به نام Lunar Exploration Light Rover (LELR) طراحی کرده است؛ خودرویی چندمنظوره که هم برای کاوشهای علمی و هم برای حمل بار قابل استفاده است.
اما تصور کنید قرار باشد یک فضانورد دائماً با LELR مسیر پنج کیلومتری بین سکوی فرود و پایگاه را طی کند — کاری زمانبر، خستهکننده و البته پرخطر است. خطر نهتنها از شرایط دشوار محیطی ماه (مانند دمای بسیار بالا یا پایین، تابش شدید و غبار ماه) ناشی میشود، بلکه احتمال بروز مشکلات مکانیکی در مسیر نیز وجود دارد. بنابراین، آیا بهتر نیست خود LELR بتواند بهصورت خودکار حرکت کند، محمولهها را بارگیری کرده و بدون دخالت انسان به پایگاه بازگرداند؟
این دقیقاً همان ایدهای است که کراوسیف و بارفوت دنبال میکنند. این دو پژوهشگر در مؤسسه رباتیک دانشگاه تورنتو (UT Robotics Institute) فعالیت دارند و تمرکز اصلی آنها روی الگوریتمهای خودران و هوشمند است.
آنها نوعی الگوریتم موسوم به «یادگیری و تکرار» (Teach-and-Repeat) را برای این منظور به کار گرفتهاند. در این روش، یک فضانورد تنها بار نخست مسیر را بهصورت دستی میپیماید و در همین حین، ربات دادههای لازم برای شناسایی مسیر، موانع و موقعیتهای کلیدی را جمعآوری میکند. پس از آن، ربات قادر خواهد بود همان مسیر را بهطور خودکار و دقیق تکرار کند — بدون نیاز به کنترل انسانی.
به عبارت دیگر، اولین رانندگی فضانورد در ماه، در واقع یک جلسهی آموزشی برای هوش مصنوعی ربات خواهد بود. پس از اینکه الگوریتم به اندازهی کافی داده از مسیر جمعآوری کرد، LELR میتواند بین پایگاه و سکوی فرود بهصورت خودمختار رفتوآمد کند و کالاها را جابهجا نماید.
پژوهشگران برای آمادهسازی این الگوریتم، که در اصل برای شرایط فضایی طراحی نشده بود، تلاش کردند تا آن را با محیط ماه و مأموریتهای مربوط به آن سازگار کنند. پس از تکمیل نسخهی اولیه، فرصتی یافتند تا سیستم خود را در شرایط واقعیتر آزمایش کنند. این آزمایش در تأسیسات شبیهسازی سطح ماه در مونترآل (Canada’s Analog Terrain Facility) انجام شد.
در آنجا، تیم پژوهشی با چالشهایی مانند تأخیر در کنترل از راه دور ربات روبهرو شد. برای رفع این مشکل، آنها مسیر کلی را به بخشهای کوچکتر تقسیم کردند و هر بخش را جداگانه آموزش دادند تا خطاهای ناشی از تأخیر و عدم دقت کاهش یابد.
پس از موفقیت در این آزمایشهای میدانی، پژوهشگران از سوی آژانس فضایی کانادا دعوت شدند تا نرمافزار خود را به طور کامل در سیستم LELR ادغام کنند. این پروژه اکنون یکی از مهمترین مشارکتهای علمی و فناورانهی کانادا در برنامهی آرتمیس (Artemis) ناسا محسوب میشود — برنامهای که هدفش بازگرداندن انسان به ماه و ایجاد زیرساختهای پایدار برای حضور بلندمدت در آن است.
البته مانند هر پروژهی پژوهشی دیگر، هنوز مسیر طولانی تا تکامل کامل پیش رو است. تیم کراوسیف و بارفوت همچنان در حال بهبود الگوریتم برای کارایی بیشتر در شرایط سطح ماه هستند. در عین حال، یافتههای آنها میتواند در سایر زمینهها نیز کاربرد داشته باشد، از جمله در توسعهی فناوریهای رانندگی خودکار بر روی زمین.
بهطور کلی، پروژهی «یادگیری و تکرار» نمونهای درخشان از تلفیق هوش مصنوعی، رباتیک و اکتشافات فضایی است. چنین سیستمهایی نهتنها میتوانند کار فضانوردان را ایمنتر و کارآمدتر کنند، بلکه هزینه و زمان مأموریتها را نیز بهطور چشمگیری کاهش میدهند.
شاید ما انسانها هرگز فرصت تجربهی اولین رانندگی در ماه را نداشته باشیم، اما حداقل میتوانیم خوشحال باشیم که به لطف پیشرفت هوش مصنوعی، دیگر نیازی نیست کسی ۵۰۰ بار همان مسیر را تکرار کند!
این دستاورد، گامی بزرگ به سوی آیندهای است که در آن روباتها بار سنگین مأموریتهای تکراری و خطرناک را بر عهده میگیرند تا انسانها بتوانند بر بخشهای خلاقانهتر و علمیتر اکتشافات فضایی تمرکز کنند.
