来自工具的三张图像，称为Ai4mars显示了美国宇航局的好奇罗孚所看到的不同种类的火星地形。通过绘制地形特征周围的边框并向他们分配四个标签之一，您可以帮助训练将自动识别奇妙的流动策划者的地形类型的算法。
使用在线工具来标记火星地形类型，您可以培训一个人工智能算法，可以改善工程师引导好奇石揽胜的方式。
您可以帮助美国航空航天局的好奇心搬家司机更好地导航火星。使用在线工具Ai4mars在从红色行星下载的图片中标记地形功能，您可以培训一个人工智能算法来自动读取景观。
那是左边的大岩石吗？它可以是沙吗？或者也许是漂亮的，平坦的基岩。托管在公民科学网站Zooniverse上的AI4MARS，让您在地形周围绘制边界，并选择四个标签之一。这些标签是锐化称为SPOC（土壤属性和对象分类）的火星地形分类算法的关键。
在NASA的喷气式推进实验室开发，该实验室已经管理了所有代理机构的火星火车站任务，SPOC标记各种地形类型，创建一个可视地图，帮助使命团队成员确定要采取的哪些路径。SPOC已经在使用中，但系统可以使用进一步的培训。
“通常，培训深入学习算法需要数以亿计的例子，”JPL AI研究员Hiro Ono说。“例如，自动驾驶汽车的算法培训，具有许多道路，标志，交通灯，行人和其他车辆的图像。深度学习的其他公共数据集包含人，动物和建筑物 - 但没有火星景观。“
美国宇航局的好奇心火星流动站的低角度自画像。
一旦完全达到速度，SPOC将能够自动区分粘性土壤，高岩石，平坦的基岩和危险沙丘，将图像发送到地球，这将使更容易计划奇妙的下一个移动。
“在未来，我们希望这种算法可以准确地做出其他有用的任务，例如预测流动车轮在不同表面上滑动的可能性有多大，”Ono说。
流动策划者的工作
JPL工程师称为Rover规划者可能会使来自更好训练的SPOC受益。他们对好奇的各个举动负责，无论是采取自拍照，将粉碎的样品滴入罗孚的身体，待分析（下面的视频），或从一个地方驾驶到下一个地方。
美国宇航局的好奇程度罗弗用各种仪器分析了它的第一个MARS样品，包括MARS（SAM）仪表套件的样品分析。在美国国家航空航天局的戈德轿车的航天飞行中心开发，山姆，山姆是一个藏在好奇心罗孚内的便携式化学实验室。SAM检查样本的化学物质，它摄取，特别是与环境是否可以支持或能够支持生命的相关化学。
完成驱动器可能需要四到五个小时（现在几乎完成），需要多个人编写和审查数百行代码。该任务涉及与科学家合作广泛：地质学家评估了地形来预测奇妙的轮子是否可以滑倒，被锋利的岩石损坏或陷入困境，困扰着精神和机会群体。
规划者还考虑将ROVE在驱动器结束时指出的方式，因为它的高增益天线需要一个明确的地球视线以接收命令。他们试图在一个驱动器期间预测落在地形上的阴影，这会干扰好奇心如何确定距离。（ROVER使用称为视觉径管的技术，将相机图像与附近的地标进行比较。）
AI如何提供帮助
SPOC不会取代流动策划者的复杂，延时的工作。但它可以释放他们专注于他们工作的其他方面，比如与科学家讨论下一步学习的科学家。
“我们的工作是如何安全地获得特派团的科学，”斯蒂芬妮·奥伊亚，其中一位参与AI4MARS的JPL ROVER规划者之一。“自动生成地形标签会节省我们的时间并帮助我们更加富有成效。”
智慧算法的好处将延伸到美国宇航局下一个火星任务的规划者，这是今年夏天推出的坚持不懈的罗佛。但首先，需要标记图像的存档。到目前为止，已经向AI4MARS站点上传了超过8,000个好奇心的图像，为算法提供大量饲料。ONO希望将来从精神和机会添加图像。与此同时，JPL志愿者正在翻译该网站，以便说西班牙语，印地文，日语和其他几种语言的参与者也可以贡献。
