Implementación de Claude en la exploración marciana
El Jet Propulsion Laboratory de la NASA integró los modelos de lenguaje Claude, desarrollados por Anthropic, en diciembre de 2024 con el objetivo de planificar dos trayectos específicos para el rover Perseverance en la superficie de Marte. En este proceso, la inteligencia artificial generativa propuso las rutas, mientras que los ingenieros humanos supervisaron, validaron y ajustaron los recorridos antes de cargar las instrucciones en el vehículo. Esta metodología permitió probar la capacidad de la IA para interpretar el entorno marciano y optimizar el desplazamiento del rover.
Este experimento se suma a otras iniciativas recientes de la agencia espacial para integrar modelos avanzados en el espacio. En mayo, la NASA y IBM desplegaron un modelo de IA comprimido tanto en la Estación Espacial Internacional como en un satélite. El propósito de este sistema era la identificación orbital de fenómenos meteorológicos y geográficos, concretamente nubes e inundaciones, siendo la primera vez que un modelo de este tipo se demuestra operativamente en el espacio.
Además, durante el mes de julio, la tripulación de la Estación Espacial Internacional puso a prueba un modelo de lenguaje grande para asistir en la resolución de dudas sobre procedimientos de mantenimiento. Estas tres líneas de experimentación reflejan una transición técnica en la ingeniería aeroespacial: el paso de sistemas estrictamente deterministas a sistemas no deterministas, donde la máquina posee una mayor flexibilidad para interpretar su entorno y planificar tareas.
El conflicto entre el determinismo y la autonomia
Durante décadas, la ingeniería espacial se ha basado en sistemas deterministas. Un sistema determinista es aquel que, ante una entrada específica y un estado dado, siempre producirá el mismo resultado exacto. Robert Ambrose, antiguo jefe de la División de Software, Robótica y Simulación de la NASA, explica que los ingenieros han priorizado históricamente la predictibilidad absoluta. En el espacio, donde un error puede significar la pérdida total de una misión multimillonaria, la capacidad de predecir cada movimiento de la máquina ha sido la norma.
Sin embargo, la autonomia real implica, por definicion, un comportamiento no determinista. Esto significa que la respuesta del sistema puede variar dependiendo de la ruta o el camino previo que haya seguido para llegar a una situacion concreta. Esta variabilidad es precisamente lo que ha generado rechazo entre los ingenieros espaciales, ya que complica enormemente las fases de prueba y validacion. Si una nave llega a un punto A desde el camino X, podria reaccionar de forma distinta a si llega desde el camino Y, rompiendo la linealidad de las pruebas tradicionales.
Ambrose, quien trabajo en sistemas autonomous para la nave Orion, el orbitador lunar y el robot humanoide Robonaut 2, senala que la complejidad de las pruebas crece exponencialmente con la autonomia. Para gestionar este riesgo, la NASA ha tenido que desarrollar metodos de automatizacion de las propias pruebas, utilizando la autonomia para combatir los desafios que la misma autonomia genera. Esta estrategia ha permitido avanzar en la gestion de sistemas complejos sin renunciar a la seguridad operativa.
La necesidad critica de autonomia en misiones profundas
La transicion hacia una IA mas flexible no es solo una cuestion de eficiencia, sino una necesidad tecnica para misiones en el espacio profundo. A medida que las sondas se alejan de la Tierra, el retraso en las comunicaciones hace que el control remoto en tiempo real sea imposible. En misiones hacia destinos como Europa, la luna helada de Jupiter, las naves podrian enfrentarse a eventos efimeros, como la erupcion de una pluma de agua desde el subsuelo.
En un escenario asi, el tiempo que tarda la senal en viajar desde la sonda hasta la Tierra y regresar con una instruccion humana seria demasiado largo. Para cuando los ingenieros recibieran la informacion y enviaran la orden de entrar en la pluma de agua, el evento ya habria terminado. Segun Ambrose, misiones de este tipo son totalmente imposibles sin que la nave tenga la capacidad de tomar decisiones autonomas en el instante, basandose en la interpretacion de sus sensores y el procesamiento de datos mediante IA.
La autonomia real permitira que la nave identifique la oportunidad, evalua el riesgo y ejecuta la maniobra sin intervencion humana inmediata. El equipo en la Tierra pasaria de ser un operador directo a un supervisor que analiza los resultados de decisiones tomadas por la maquina horas despues de que hayan ocurrido. Este cambio de paradigma es fundamental para expandir la exploracion hacia entornos dinamicos y distantes donde la latencia de comunicacion es el principal cuello de botella.
Desafios de la robotica en microgravedad
El auge de la industria espacial comercial esta impulsando la creacion de una fuerza laboral robotica para orbitas terrestres. Icarus Robotics esta desarrollando Joy, un sistema robotico de vuelo libre disenado para operar en la Estacion Espacial Internacional. Una de sus funciones principales sera el traslado de bolsas de carga entre los diferentes modulos de la estacion. Para lograrlo, la empresa ha realizado pruebas de gravedad cero en Canada antes de su despliegue final.
El principal obstaculo tecnico es que los modelos de robotica entrenados en la Tierra, como los modelos de Gemini o los de inteligencia fisica mas recientes, fallan inmediatamente en el espacio. Esto ocurre porque la IA aprende la fisica del entorno donde es entrenada. En la Tierra, un robot aprende que si empuja un objeto sobre una mesa, este caera al suelo debido a la gravedad. En microgravedad, ese mismo objeto seguira moviendose en linea recta, alterando completamente la dinamica de interaccion.
Para solucionar esta discrepancia, Icarus Robotics emplea una estrategia de teleoperacion inicial. Los humanos controlan los robots a distancia y esos datos se utilizan para entrenar a la IA en el entorno real del espacio. Jamie Palmer, CTO de la compania, indica que el despliegue seguira un modelo de autonomia parcial, manteniendo siempre la supervision humana en el ciclo de decision. La falta de conjuntos de datos publicos sobre fisica en microgravedad obliga a la empresa a construir su propio conjunto de datos combinando simulaciones terrestres con demostraciones reales en gravedad cero.
Gestion del riesgo y evolucion de los ciclos de innovacion
La implementacion de IA generativa y sistemas autonomos en el espacio requiere una nueva gestion del riesgo. Ufuk Topcu, director del Centro de Autonomia de la Universidad de Texas en Austin, sostiene que el objetivo no debe ser garantizar la ausencia total de errores, ya que los sistemas autonomos son mas utiles precisamente en situaciones que los humanos no pueden anticipar. En su lugar, propone un despliegue gradual que comience con aplicaciones restringidas para comprender el comportamiento del sistema antes de expandir sus facultades.
Topcu subraya que el espacio es el lugar donde la autonomia es mas necesaria debido a que la intervencion humana es extremadamente dificil, los riesgos son criticos y la velocidad de respuesta debe ser alta. La gestion del riesgo se convierte asi en el eje central, desplazando la obsesion por la eliminacion total del error hacia un modelo de mitigacion y control de consecuencias.
Este cambio se ve acelerado por la transformacion de la industria. Durante la mayor parte de la era espacial, las misiones eran disenadas por agencias gubernamentales con ciclos de innovacion muy lentos, que podian durar entre diez y quince anos desde la concepcion hasta el lanzamiento. Actualmente, la entrada de empresas comerciales ha acelerado estos ciclos, permitiendo que nuevas tecnologias, como los modelos de lenguaje de Anthropic o los sistemas de Icarus Robotics, lleguen al espacio en fracciones del tiempo que requería el modelo anterior.
