Pada 2023, NASA berencana untuk meluncurkan Europa Clipper misi, penjelajah robot yang akan mempelajari Europa bulan Jupiter yang penuh teka-teki. Tujuan dari misi ini adalah untuk mengeksplorasi lapisan es dan interior Europa untuk mempelajari lebih lanjut tentang komposisi bulan, geologi, dan interaksi antara permukaan dan bawah permukaan. Yang terpenting, tujuan dari misi ini adalah untuk menjelaskan apakah kehidupan bisa ada di dalam lautan dalam Europa.
Ini menghadirkan banyak tantangan, banyak di antaranya timbul dari kenyataan bahwa Europa Clipper akan sangat jauh dari Bumi ketika melakukan operasi sainsnya. Untuk mengatasinya, tim peneliti dari Jet Propulsion Laboratory (JPL) NASA dan Arizona State University (ASU) merancang serangkaian algoritma pembelajaran mesin yang akan memungkinkan misi menjelajahi Eropa dengan tingkat otonomi.
Bagaimana algoritma ini dapat membantu dengan misi eksplorasi ruang-dalam di masa depan adalah subjek dari presentasi yang disampaikan minggu lalu (7 Agustus) di Konferensi ACM SIGKDD ke-25 tentang Penemuan Pengetahuan dan Penambangan Data di Anchorage, Alaska. Konferensi tahunan ini mempertemukan para peneliti dan praktisi dalam ilmu data, penambangan data, dan analitik dari seluruh dunia untuk membahas perkembangan dan aplikasi terbaru di lapangan.
Ketika tiba saatnya untuk itu, berkomunikasi dengan misi luar angkasa adalah pekerjaan yang menghabiskan waktu dan menantang. Saat berkomunikasi dengan misi di permukaan Mars atau di orbit, diperlukan sinyal hingga 25 menit untuk mencapainya dari Bumi (atau kembali lagi). Sebaliknya, mengirim sinyal ke Jupiter dapat membutuhkan waktu antara 30 menit hingga satu jam, tergantung di mana ia berada di orbitnya relatif terhadap Bumi.
Seperti yang dicatat penulis dalam studi mereka, kegiatan pesawat ruang angkasa biasanya ditransmisikan dalam skrip yang telah direncanakan daripada melalui perintah real-time. Pendekatan ini sangat efektif ketika posisi, lingkungan, dan faktor-faktor lain yang mempengaruhi pesawat ruang angkasa diketahui atau dapat diprediksi sebelumnya. Namun, itu juga berarti bahwa pengontrol misi tidak dapat bereaksi terhadap perkembangan yang tidak terduga secara real-time.
Seperti Dr. Kiri L. Wagstaff, Peneliti Utama di Kelompok Pembelajaran Mesin dan Instrumen Otonomi Instrumen JPL NASA, menjelaskan kepada Space Magazine melalui email:
“Menjelajahi dunia yang terlalu jauh untuk memungkinkan kontrol manusia langsung itu menantang. Semua kegiatan harus ditulis sebelumnya. Respons cepat terhadap penemuan atau perubahan baru di lingkungan membutuhkan wahana antariksa itu sendiri untuk membuat keputusan, yang kita sebut otonomi wahana antariksa. Selain itu, beroperasi hampir satu miliar kilometer jauhnya dari Bumi berarti tingkat transmisi data sangat rendah.
“Kemampuan pesawat ruang angkasa untuk mengumpulkan data melebihi apa yang dapat dikirim kembali. Ini menimbulkan pertanyaan tentang data mana yang harus dikumpulkan dan bagaimana memprioritaskannya. Akhirnya, dalam kasus Europa, pesawat ruang angkasa juga akan dibombardir oleh radiasi yang kuat, yang dapat merusak data dan menyebabkan reset komputer. Mengatasi bahaya itu juga membutuhkan pengambilan keputusan yang otonom. ”
Untuk alasan ini, Dr. Wagstaff dan rekan-rekannya mulai mencari metode yang mungkin untuk analisis data di atas kapal yang akan beroperasi di mana pun dan kapan pun pengawasan manusia secara langsung tidak dimungkinkan. Metode-metode ini sangat penting ketika berhadapan dengan kejadian langka, sementara yang kejadian, lokasi, dan durasinya tidak dapat diprediksi.
Ini termasuk fenomena seperti setan debu yang telah diamati di Mars, dampak meteorit, kilat pada Saturnus, dan bulu es yang dipancarkan oleh Enceladus dan badan-badan lainnya. Untuk mengatasinya, Dr. Wagstaff dan timnya melihat kemajuan terbaru dalam algoritma pembelajaran mesin, yang memungkinkan tingkat otomatisasi dan pengambilan keputusan independen dalam komputasi. Seperti yang dikatakan Dr. Wagstaff:
“Metode pembelajaran mesin memungkinkan pesawat ruang angkasa itu sendiri untuk memeriksa data saat dikumpulkan. Pesawat ruang angkasa kemudian dapat mengidentifikasi pengamatan mana yang mengandung peristiwa menarik. Ini dapat memengaruhi penugasan prioritas downlink. Tujuannya adalah untuk meningkatkan peluang bahwa penemuan yang paling menarik akan di-downlink terlebih dahulu. Ketika pengumpulan data melebihi apa yang dapat ditransmisikan, pesawat ruang angkasa itu sendiri dapat menambang data tambahan untuk nugget sains yang berharga.
“Analisis onboard juga dapat memungkinkan pesawat ruang angkasa untuk memutuskan data mana yang akan dikumpulkan selanjutnya berdasarkan apa yang telah ditemukan. Ini telah dibuktikan dalam orbit Bumi menggunakan Eksperimen Sciencecraft Autonomous dan di permukaan Mars menggunakan sistem AEGIS pada rover Laboratorium Sains Mars (Keingintahuan). Pengumpulan data yang otonom dan responsif dapat sangat mempercepat eksplorasi ilmiah. Kami bertujuan untuk memperluas kemampuan ini ke tata surya luar juga. "
Algoritma ini secara khusus dirancang untuk membantu dengan tiga jenis penyelidikan ilmiah yang akan sangat penting bagi Europa Clipper misi. Ini termasuk deteksi anomali termal (bintik-bintik hangat), anomali komposisi (mineral atau endapan permukaan yang tidak biasa), dan bulu aktif dari bahan es dari laut bawah permukaan Europa.
"Dalam pengaturan ini, perhitungan sangat terbatas," kata Dr. Wagstaff. “Komputer pesawat ruang angkasa berjalan pada kecepatan yang mirip dengan komputer desktop dari pertengahan hingga akhir 1990-an (~ 200 MHz). Oleh karena itu, kami memprioritaskan algoritma sederhana dan efisien. Keuntungan sampingannya adalah bahwa algoritma tersebut mudah dipahami, diimplementasikan, dan diinterpretasikan. "
Untuk menguji metode mereka, tim menerapkan algoritma mereka untuk data simulasi dan pengamatan dari misi luar angkasa sebelumnya. Ini termasuk Galileo pesawat ruang angkasa, yang melakukan pengamatan spektral Europa untuk mempelajari lebih lanjut tentang komposisinya; itu Cassini pesawat ruang angkasa, yang menangkap gambar aktivitas bulu di bulan Saturnus Enceladus; dan Cakrawala Baru gambar pesawat ruang angkasa aktivitas vulkanik di bulan Jupiter Io.
Hasil tes ini menunjukkan bahwa masing-masing dari tiga algoritma menunjukkan kinerja yang cukup tinggi untuk berkontribusi pada tujuan sains yang diuraikan dalam Survei Decadal Sains Planetary 2011. Ini termasuk "mengonfirmasi keberadaan laut dalam, mengkarakterisasi kulit es satelit, dan memungkinkan pemahaman sejarah geologisnya" di Europa untuk mengkonfirmasi "potensi tata surya luar sebagai tempat tinggal".
Selain itu, algoritma ini dapat memiliki implikasi yang luas untuk misi robotik lainnya ke tujuan luar angkasa. Di luar sistem bulan-bulan Europa dan Jupiter, NASA berharap dapat menjelajahi bulan-bulan Saturnus, Enceladus dan Titan untuk kemungkinan tanda-tanda kehidupan dalam waktu dekat, serta tujuan-tujuan yang bahkan lebih jauh lagi (seperti Triton dan Neptunus, bahkan Pluto). Namun aplikasi tidak berhenti sampai di situ. Wagstaff menuliskannya:
“Otonomi pesawat ruang angkasa memungkinkan kita untuk menjelajahi ke mana manusia tidak bisa pergi. Itu termasuk tujuan terpencil seperti Jupiter dan lokasi di luar Tata Surya kita. Ini juga mencakup lingkungan yang lebih dekat yang berbahaya bagi manusia, seperti dasar laut atau pengaturan radiasi tinggi di Bumi. "
Tidak sulit membayangkan masa depan yang dekat di mana misi robot semi-otonom mampu menjelajahi jangkauan luar dan dalam Tata Surya tanpa pengawasan manusia secara teratur. Melihat lebih jauh ke masa depan, tidak sulit untuk membayangkan zaman di mana robot yang sepenuhnya otonom mampu menjelajahi planet-planet ekstra-surya dan mengirim temuan mereka pulang.
Dan sementara itu, semi-otonom Europa Clipper mungkin menemukan bukti yang kita semua tunggu! Itu akan menjadi biosignatures yang membuktikan bahwa memang ada kehidupan di luar Bumi!
