Открытая лунная модель NASA и IBM превращает 17 лет данных орбитальных аппаратов в основу для лунной науки
decoder ·
NASA и IBM выпустили NASA-IBM Lunar Foundation Model — инструмент с открытым исходным кодом на базе ИИ, предназначенный для обеспечения доступа к десятилетиям данных лунных наблюдений для машинного обучения. Модель обучена с нуля на почти двух миллионах пакетов тайлов, охватывающих 17 лет данных миссий, таких как LRO и GRAIL; она решает проблему нехватки размеченных данных в лунной науке за счет использования больших объемов неразмеченных входных данных. Ключевой инновацией является явное включение геометрии освещения в качестве входных данных, что позволяет модели эффективнее, чем предыдущие методы, различать свойства поверхности и эффекты освещения. Модель демонстрирует значительное улучшение в прогнозировании полярных ледяных отложений, снижая ошибку предсказания до 22 процентов по сравнению с базовыми моделями. Она также показывает конкурентные результаты при обнаружении кратеров различных масштабов и сегментации нерегулярных морских пятен (Irregular Mare Patches), хотя и не заменяет физические измерительные приборы для точного геодезического позиционирования. Благодаря выделению отдельных путей обработки для разных слоев данных и использованию таких техник, как FlexiViT, модель адаптируется к различным размерам изображений без необходимости повторного обучения. Этот релиз знаменует собой важную веху в сотрудничестве между NASA и IBM в рамках Соглашения о космической деятельности, продолжая работу над более ранними моделями наблюдения за Землей, такими как Prithvi. Модель, код и наборы данных публично доступны через платформы Hugging Face, GitHub и набор инструментов TerraTorch.
decoder