Лунная поверхность в одном интерфейсе: карту спутника составит ИИГлавная проблема лунной картографии сегодня заключается не в дефиците данных, а в их фрагментарности. За десятилетия роботизированных миссий накопились массивы сведений, собранных разными датчиками, при разном разрешении и под разными углами. Попытки объединить снимки оптических камер, данные лазерных альтиметров и спектрометров в единую картину до сих пор требовали колоссальных вычислительных мощностей и ручного труда. Центральный тезис новой разработки от NASA и IBM заключается в переходе от узкоспециализированных инструментов к "фундаментальной модели" (Lunar Foundation Model, LFM), которая способна синтезировать разнородные данные в общую физическую модель поверхности.
Эффективность LFM строится на решении трех технических противоречий.
Первое — разрыв в масштабах: данные варьируются от общих карт с разрешением 100 метров на пиксель до детальных сканов в 1 метр. Для этого была создана база SomBench из 2 миллионов перекрывающихся фрагментов ("тайлов"), где разные типы данных привязаны к одним и тем же участкам поверхности.
Второе — проблема освещения. Отсутствие атмосферы создает глубокие тени и засветы, которые обманывают стандартные нейросети. В LFM анализ света встроен в архитектуру: модель получает метаданные о положении солнца и аппарата, что позволяет ей отличать реальный рельеф от оптической иллюзии.
Третий фактор — метод обучения. Вместо простого распознавания образов использовалось "маскированное обучение". Модели показывали часть данных (например, высоту и видимый спектр), а она должна была восстановить скрытые параметры. Так нейросеть выучила внутренние связи между освещением, структурой грунта и географией, а не просто запомнила картинки.
Результаты тестирования показывают, что специализированный подход работает точнее общих моделей. В детектировании кратеров LFM превзошла универсальную модель SwinV2-B почти на 19%, затратив при этом вдвое меньше обучающих меток. В поиске подповерхностного льда в полярных регионах погрешность снизилась на 22%. Это имеет прямое прикладное значение: точность карт определяет безопасность зон посадки и поиск ресурсов для будущих баз.
Thu, 10 Sep 2026 18:38:00 +0300