人工智能如何助力火星制图

点击图片上方蓝色字体“慧天地”即可订阅

英文原文作者：Mark Wronkiewicz；英文原文出处：A Medium Corporation [US]，https://medium.com/@wronk.mark；中文编译：慧天地杜一鸣

慧天地创新技术研究院招聘记者，详情请点击链接：

探索火星将需要精确的地图。而火星的当前特征地图主要是依靠手工创建的，因此仅包含大型特征。美国Development Seed公司在于与亚利桑那州立大学的研究人员合作中，使用YOLO深度学习架构，以更快的速度和更精细的尺度自动检测表面特征。他们宣称，在人工智能（AI）的帮助下，可以将绘图过程从数年缩短到数周。

为什么要探索AI火星绘图？

在历史长河中，探险家离家时并不知他们会遭遇什么。地图是如此罕见和有价值，以致探险家们甚至利用间谍从竞争对手的国家窃取这些地理空间信息。冒险进入火星的第一批人将面临威胁其生存的危险，所以Development Seed公司希望为此贡献自己的力量。火星上许多表面特征（例如，陨石坑，沙丘，沟壑，反复出现的斜坡线等）对于人类和科学探索的意义将会非常重要。他们正在与亚利桑那州立大学的火星专家Hannah Kerner和Tanya Harrison合作，建立一个能够在全球范围内检测这些特征的机器学习方法。初步结果表明，通过使用这个方法，可以将绘制火星表面特征的时间和成本降低几个数量级。

目前做法的局限性

目前最好的火山口地图是手工创建的，只包括直径≥1km的火山口。全球范围内的罗宾斯火山口数据库（THEMIS白天图像，100米/像素）包含384,343个陨石坑（Robbins和Hynek，2012），耗时约4年完成。这个火山口地图是对科学界的重大贡献。但火星是一个充满活力的星球，这要求我们的地图也必须是动态的。否则等到多年的测绘工作结束时，它就有过时的危险。

其次在这个尺度上的人类制图也容易受到限制。首先，手工绘制的过程并不能很好地进行缩放——弹坑数量随着弹坑直径的减小呈指数级增长（Robbins和Hynek，2012年）。第二，现有的地图绘制工作很难复制，因为人类地图绘制者不太可能两次绘制同一个火山口地图。对于严重腐蚀或遮蔽的陨石坑，在绘制地图时，很难准确衡量人工绘图的质量。最后，陨石坑也只是许多有趣的表面特征之一。每次需要绘制一个新的特征图时，手工重复整个行星的绘制过程是不切实际的。因此我们可以使用最先进的人工智能方法来缓解这些问题。

如何引入基于AI的映射？

深度学习(Deep Learning)作为人工智能中的一个流行子领域，是一种能够识别数据中复杂模式的技术。该公司开发了一种使用深度学习模型绘制直径小于100米的环形山的方法。虽然他们在研发过程中特别关注了探测陨石坑的设置，但也选择的同一架构可以扩展到地图的多种表面特征类别，如沙丘或沟壑。该公司选择的特定架构称为You Only Look Once（YOLO; Redmon和Farhadi，2018）。YOLO是一种开源的对象检测算法，可以预测感兴趣对象周围的边界框。他们通过训练该模型来分析卫星图像并在探测到的陨石坑周围生成边界框。火星的卫星图像是由火星侦察轨道器（MRO）上的ConText Camera（CTX）成像仪拍摄的，这些图像可在NASA的行星数据系统（PDS）上公开获取。

（检测到的陨石坑的示例边界框可视化。如图所示YOLO模型提供了它检测到的所有陨石坑的中心坐标，宽度和高度。可以通过平均每个边界框的宽度和高度来估计这些凹坑的直径。）

（如图所示数据通过处理流程，从输入数据，通过预测，到输出边界框。左：上下文图像被分割成重叠的512x512像素块。窗口跨越多个空间分辨率，以便大和小陨石坑都可以检测到。右：Yolo模型以窗口瓷砖作为输入，并提出边界框（由x、y位置、宽度、高度和预测置信度定义）。在训练中，在已知地面真值边界框的情况下，预测误差通过网络反向传播，以调整模型。在预测过程中，可以改变置信阈值来调整模型的预测应该有多保守。）

相关试验结果

该公司为几个火星2020流动站候选登陆点（NE Syrtis，Jezero和Midway）以及在好奇号火星车（Gale陨石坑）周围的区域生成了一个陨石坑地图。登陆地点的详细信息和图像可从加州理工学院的默里实验室获得。

（火星2020流浪者任务相关的火山口地图。蓝色椭圆是即将到来的火星2020探测器发射的两个候选着陆区，绿色框代表探测到的陨石坑。经过彻底的选择过程后，2018年11月选择了 Jezero着陆点）

在这些目标区域，他们确定了总共381,648个直径低至100米的陨石坑，处理速度约为每秒20平方公里。在单个GPU云计算机上运行该模型，并获得了0.87的最大F1分数，这对于对象检测模型来说是相当好的性能。虽然Robbin的数据库有许多额外的火山口细节（喷射，深度，形态等），但火山口分辨率提高了10倍，速度提高了大约5个数量级。

结语：人类和机器结合的展望

虽然人工智能可以帮助人们在行星尺度上绘图，但这些技术存在一些局限性。例如，人工智能模型错过了一些陨石坑，并错误地将其他圆形特征归类为陨石坑。未来最好的策略可能需要将人工智能的工具与人类专家绘图的准确性和灵活性结合起来。可以使用人工智能提出一个行星范围的表面特征图，然后依靠人类来验证预测。该公司希望能让行星研究人员有更多时间专注于在任务规划和科学分析上。

在不久的将来，他们计划将专家验证纳入此工作流程，以便可以将这些火山口地图导入到火星任务规划人员和研究人员使用的公共Java任务规划和遥感分析（JMARS）平台中。他们的长期愿景是绘制一个开放的互动地图（即OpenStreetMap），使得探险家，科学家和普通大众都可以使用这些地图来更好地了解火星表面。

欢迎大家关注《慧天地》同名新浪微博

微博ID：慧天地_geomaticser

荐读

点击下文标题即可阅读

人工智能时代的地图绘制
认知心理学与人工智能的交叉：情感计算综述
人工智能化的机器视觉技术

编辑 / 李梦夏  审核 /安有硕 李梦夏

指导：万剑华教授