Vous pouvez aider l’IA d’un Robot pour Mars à à distinguer les roches de la poussière
Mars Rover Curiosity est sur la planète rouge depuis huit ans, référencement Google Lille mais son voyage est loin d’être terminé – et il reçoit toujours des mises à niveau. Vous pouvez l’aider en passant quelques minutes à étiqueter des données brutes pour alimenter son IA à balayage de terrain.
La curiosité ne navigue pas seule; il y a toute une équipe de personnes sur Terre qui analysent les images revenant de Mars et tracent une voie à suivre pour le laboratoire scientifique mobile. Pour ce faire, cependant, ils doivent examiner attentivement l’imagerie pour comprendre exactement où se trouvent les roches, le sol, le sable et d’autres caractéristiques.
C’est exactement le type de tâche dans laquelle les systèmes d’apprentissage automatique sont bons: vous leur donnez beaucoup d’images avec les caractéristiques saillantes clairement étiquetées, et ils apprennent à trouver des fonctionnalités similaires dans des images sans étiquette.
Le problème est que, bien qu’il existe de nombreux ensembles d’images prédéfinis avec des visages, des chats et des voitures étiquetés, il n’y a pas beaucoup de surfaces martiennes annotées avec différents types de terrain.
« Typiquement, des centaines de milliers d’exemples sont nécessaires pour former un algorithme d’apprentissage en profondeur. Les algorithmes pour les voitures autonomes, par exemple, sont formés avec de nombreuses images de routes, de panneaux, de feux de circulation, de piétons et d’autres véhicules. D’autres ensembles de données publiques pour l’apprentissage en profondeur contiennent des personnes, des animaux et des bâtiments – mais pas de paysages martiens », a déclaré le chercheur de la NASA / JPL AI Hiro Ono dans un communiqué de presse.
Pour être précis, ils ont déjà un algorithme, appelé Classification des propriétés et des objets du sol, ou SPOC, mais demandent de l’aide pour l’améliorer.
L’agence a téléchargé sur Zooniverse des milliers d’images de Mars, et n’importe qui peut prendre quelques minutes pour les annoter – après avoir lu le didacticiel, bien sûr. Cela peut ne pas sembler si difficile de dessiner des formes autour des rochers, des étendues sablonneuses, etc., mais vous pouvez, comme moi, avoir immédiatement des problèmes. Est-ce un «gros rocher» ou un «substrat rocheux»? Est-ce plus de 50 centimètres de large? Comment est-il grand?
Jusqu’à présent, le projet a étiqueté environ la moitié des près de 9000 images qu’il souhaite réaliser (avec peut-être d’autres à venir), et vous pouvez les aider à atteindre cet objectif si vous avez quelques minutes à perdre – aucun engagement requis. Le site est maintenant disponible en anglais, avec des traductions en espagnol, hindi, japonais et autres.
Les améliorations apportées à l’IA pourraient permettre au rover de dire non seulement où il peut conduire, mais également la probabilité de perte de traction et d’autres facteurs qui pourraient influer sur le placement des roues individuelles. Cela facilite également la tâche de l’équipe qui planifie les mouvements de Curiosity, car s’ils sont confiants dans les classifications de SPOC, ils n’auront pas à passer autant de temps à fouiller les images pour les revérifier.