Ricerc@Sapienza

L'impiego di sistemi robotici per l'esplorazione planetaria ha consentito all'uomo di estendere il proprio accesso ad aree remote del sistema solare, ottenendo un inestimabile ritorno scientifico ed alimentando ulteriormente l'interesse ad esplorare nuove aree, come le calotte polari di Marte o le lune ghiacciate. Tra i sistemi per l'esplorazione spaziale, i rover ricoprono un ruolo chiave per via della loro mobilità e capacità di svolgere in situ attività scientifiche. A causa del ritardo temporale che caratterizza l'invio e la ricezione dei segnali radio per le comunicazioni, non è possibile guidare da remoto e in tempo reale un rover. Un obiettivo scientifico fondamentale consiste quindi nel rendere i rover capaci di operare in modo autonomo, selezionando autonomamente la traiettoria da percorrere per raggiungere un certo sito di interesse indicato dal team scientifico. L'attività di ricerca proposta è incentrata sullo sviluppo di un software per la classificazione dei tipi di terreno attraverso l'analisi di immagini. Lo sviluppo del software prevede l'impiego di tecniche di intelligenza artificiale e di machine learning per allenare una rete neurale; il dataset di allenamento consiste in un campionario di immagini reali acquisite dalle camere dei rover delle missioni NASA Mars Exploration Rovers (MER), Mars Science Laboratory (MSL) e Mars2020, archiviate sul NASA Planetary Data System (PDS). Il software sarà in grado di riconoscere e classificare differenti tipi di terreno presenti nelle immagini fornite in input, fornendo così informazioni cruciali per pianificare la traiettoria del rover. L'attività di ricerca prevede inoltre la realizzazione di uno scenario di missione virtuale, in cui simulare la navigazione di un rover e testare le prestazioni di algoritmi di odometria visiva 3D-3D e 3D-2D per la ricostruzione della traiettoria.