Pi0: Η AI της Google αναλαμβάνει χρέη ιατρικού βοηθού στο Διάστημα για τη NASA

Σύνοψη

• Η Google Cloud και η NASA αναπτύσσουν ένα προηγμένο ρομποτικό σύστημα τεχνητής νοημοσύνης για την υποστήριξη των αστροναυτών σε μελλοντικές αποστολές στο βαθύ Διάστημα.
• Το εγχείρημα βασίζεται στο πρωτοποριακό μοντέλο Vision-Language-Action (VLA) Pi0 των 4 δισεκατομμυρίων παραμέτρων, το οποίο εκπαιδεύτηκε εντατικά μέσα σε μόλις 2,5 ώρες.
• Οι πρώτες εργαστηριακές δοκιμές έδειξαν ποσοστό επιτυχίας 85% στον εντοπισμό και τη μεταφορά ιατρικού εξοπλισμού, επιβεβαιώνοντας τη χρησιμότητα του συστήματος.
• Η λειτουργία της τεχνητής νοημοσύνης εκτελείται εξ ολοκλήρου τοπικά μέσω edge computing, παρακάμπτοντας τις τεράστιες καθυστερήσεις επικοινωνίας που παρατηρούνται στις διαπλανητικές αποστολές.

Η εξερεύνηση του Διαστήματος ανέκαθεν απαιτούσε την ανάπτυξη τεχνολογιών αιχμής που ξεπερνούν τους περιορισμούς του ανθρώπινου σώματος, ωστόσο η διατήρηση της υγείας των αστροναυτών όταν βρίσκονται εκατομμύρια χιλιόμετρα μακριά από τη Γη αποτελεί μια από τις μεγαλύτερες προκλήσεις των σύγχρονων αποστολών. 

Συνδυάζοντας την τεχνογνωσία του Human Research Program της NASA, της ομάδας Ρομποτικής του Johnson Space Center και του Jet Propulsion Laboratory (JPL) με τους υπολογιστικούς πόρους της Google Public Sector, δημιουργήθηκε ένα ρομποτικό σύστημα ικανό να διαχειρίζεται καθημερινές εργασίες ρουτίνας. Ο πρωταρχικός στόχος του φιλόδοξου έργου είναι η απελευθέρωση πολύτιμου χρόνου για το πλήρωμα, ώστε οι αστροναύτες να επικεντρώνονται απρόσκοπτα στην πολύπλοκη επιστημονική έρευνα κατά τη διάρκεια της παραμονής τους στη μελλοντική σεληνιακή βάση ή στις επικείμενες αποστολές προς τον πλανήτη Άρη.

Το ρομποτικό σύστημα έχει σχεδιαστεί ως ένας εξαιρετικά ευέλικτος χειριστής φορτίου, ικανός να διαχειρίζεται την επιμελητεία, να οργανώνει τον εξοπλισμό και να ασφαλίζει τα διαμερίσματα του διαστημικού σκάφους, λειτουργώντας πρακτικά ως ένας αεικίνητος βοηθός. Παράλληλα, όταν δεν απαιτείται η συνδρομή του σε εργασίες ρουτίνας, η τεχνητή νοημοσύνη επιτρέπει την άμεση μετάβαση σε καθεστώς ιατρικής υποστήριξης. Αν για παράδειγμα ένας αστροναύτης εμφανίσει ξαφνικούς πόνους στην πλάτη που υποδηλώνουν την ύπαρξη πέτρας στα νεφρά, το ρομπότ μπορεί αυτόνομα να εντοπίσει, να ανακτήσει και να προετοιμάσει ένα μηχάνημα υπερήχων. Μέσω της αυτοματοποιημένης διαδικασίας, ο υπεύθυνος ιατρός του πληρώματος απαλλάσσεται από τη χρονοβόρα αναζήτηση του εξοπλισμού και αφιερώνει την πλήρη προσοχή του στην ανάλυση των ιατρικών δεδομένων και την άμεση θεραπεία του ασθενούς.

Η ασφαλής λειτουργία ενός ρομπότ δίπλα σε ανθρώπους μέσα στους εξαιρετικά περιορισμένους χώρους ενός διαστημικού σκάφους συνιστά ένα δυσεπίλυτο τεχνικό πρόβλημα, το οποίο απαιτεί εργαλεία ικανά να προσαρμόζονται δυναμικά σε απρόβλεπτες συνθήκες. Αντίθετα με τα βιομηχανικά ρομπότ που λειτουργούν σε αυστηρά ελεγχόμενα περιβάλλοντα χωρίς την παρουσία ανθρώπων, τα διαστημικά συστήματα οφείλουν να στηρίζονται σε περιορισμένα δεδομένα αισθητήρων. Το JPL προχώρησε στην προσαρμογή εργαλείων τεχνητής νοημοσύνης τα οποία αρχικά είχαν σχεδιαστεί για την παρακολούθηση δορυφόρων σε τροχιά, παρέχοντας στο ρομπότ την απαραίτητη χωρική επίγνωση για την ασφαλή πλοήγηση στον τρισδιάστατο χώρο του σκάφους. Πριν τη μεταφορά του λογισμικού στο πραγματικό hardware, οι μηχανικοί αξιοποίησαν τον προηγμένο προσομοιωτή φυσικής MuJoCo της Google DeepMind, επιτρέποντας στο σύστημα να εξασκηθεί σε εξαιρετικά περίπλοκες κινήσεις μέσα σε ένα απόλυτα ακριβές εικονικό περιβάλλον.

Η ενσωμάτωση μιας κάμερας στη διαμόρφωση "eye-to-hand" προσέφερε στο ρομπότ την ικανότητα να παρακολουθεί συνεχώς τα ίδια του τα εξαρτήματα σε σχέση με το περιβάλλον, βελτιώνοντας κατακόρυφα την ακρίβεια των κινήσεών του. Μέσα από εργαστηριακές δοκιμές που πραγματοποιήθηκαν στις εγκαταστάσεις iMETRO του Johnson Space Center, το ανοιχτού κώδικα μοντέλο Pi0 πέτυχε αξιοσημείωτο ποσοστό επιτυχίας 85% κατά την εκτέλεση ενός σύνθετου ελιγμού εντοπισμού και μεταφοράς ενός ιατρικού σάκου. Η χρήση μοντέλων VLA (Vision-Language-Action) γεφυρώνει το χάσμα μεταξύ της οπτικής πληροφορίας και της γλωσσικής εντολής,μετατρέποντας κείμενο της καθομιλουμένης αγγλικής γλώσσας σε άμεση φυσική κίνηση, διευκολύνοντας τον έλεγχο από το πλήρωμα χωρίς να απαιτούνται πολύπλοκες διαδικασίες χειρισμού.

Η μεγαλύτερη πρόκληση για την απρόσκοπτη λειτουργία της τεχνητής νοημοσύνης στις αποστολές βαθέος Διαστήματος προέρχεται από την πλήρη απουσία σταθερής επικοινωνίας με τα κέντρα δεδομένων της Γης. Με τις μελλοντικές επανδρωμένες πτήσεις προς τον Άρη να αντιμετωπίζουν καθυστερήσεις έως και 44 λεπτών για ένα πλήρες κύκλωμα επικοινωνίας, το διαστημικό σκάφος μετατρέπεται εκ των πραγμάτων στο απόλυτο περιβάλλον edge computing. Προκειμένου να επιλυθεί το κρίσιμο πρόβλημα, οι ερευνητές χρησιμοποίησαν υπολογιστικές μονάδες Google Cloud G4 για την ταχύτατη εκπαίδευση του μοντέλου Pi0, ολοκληρώνοντας τη διαδικασία ρύθμισης των 4 δισεκατομμυρίων παραμέτρων μέσα σε δυόμισι ώρες. 

Τα τελευταία δύο χρόνια εξετάστηκαν ενδελεχώς δεκαπέντε διαφορετικές συσκευές edge computing, προκειμένου να εντοπιστούν οι καταλληλότερες επιλογές χαμηλής κατανάλωσης ενέργειας που θα επιτρέπουν την τοπική εκτέλεση του τεράστιου όγκου δεδομένων, διασφαλίζοντας την ανεξαρτησία των αστροναυτών από τους επίγειους servers.