🤖 AI

MOMO: Mars Orbital Model Foundation Model for Mars Orbital Applications

تقدم الورقة البحثية MOMO، وهو أول نموذج تأسيسي متعدد المستشعرات للاستشعار عن بعد للمريخ، والذي يستفيد من استراتيجية "خسارة التحقق المتساوية" (Equal Validation Loss) المبتكرة لدمج التمثيلات من مستشعرات HiRISE وCTX وTHEMIS، محققاً أداءً فائقاً عبر تسع مهام تابعة مقارنة بالنماذج المرجعية الحالية.

المؤلفون الأصليون: Mirali Purohit, Bimal Gajera, Irish Mehta, Bhanu Tokas, Jacob Adler, Steven Lu, Scott Dickenshied, Serina Diniega, Brian Bue, Umaa Rebbapragada, Hannah Kerner

نُشر 2026-04-06

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Mirali Purohit, Bimal Gajera, Irish Mehta, Bhanu Tokas, Jacob Adler, Steven Lu, Scott Dickenshied, Serina Diniega, Brian Bue, Umaa Rebbapragada, Hannah Kerner

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول تعليم روبوت فهم سطح المريخ. المشكلة هي أننا لا نملك زوجاً واحداً من العيون التي تنظر إلى الكوكب الأحمر؛ بل لدينا ثلاث كاميرات مختلفة تماماً، كل منها يرى العالم بطريقة مختلفة كلياً.

HiRISE تشبه عدسة مكبرة فائقة القوة. إنها ترى الصخور الصغيرة والشقوق من الفضاء (0.25 متر لكل بكسل)، لكنها لا تستطيع إلا النظر إلى بقعة صغيرة جداً من الكوكب في كل مرة.
CTX تشبه كاميرا طائرة بدون طيار (درون) قياسية. إنها ترى المشهد الطبيعي بأكمله بوضوح (5 أمتار لكل بكسل) وتغطي الكوكب بالكامل تقريباً.
THEMIS تشبه نظارات الرؤية الليلية الحرارية. إنها ترى الأنماط الحرارية من مسافة بعيدة جداً (100 متر لكل بكسل) وتغطي الكرة الأرضية بالكامل، لكن التفاصيل تكون ضبابية.

لفترة طويلة، كان على العلماء بناء ثلاثة "أدمغة" (نماذج ذكاء اصطناعي) منفصلة لفهم هذه الكاميرات الثلاث. إذا أرادوا دراسة انزلاق أرضي باستخدام الكاميرا الحرارية، كان عليهم استخدام دماغ واحد. وإذا أرادوا العثور على صخرة صغيرة، كان عليهم استخدام دماغ آخر. كان الأمر غير فعال ومربكاً.

هنا يأتي دور MOMO (نموذج مدار المريخ - Mars Orbital Model). فكر في MOMO على أنه "السكين السويسري" المثالي للذكاء الاصطناعي للمريخ. إنه أول "نموذج تأسيسي" (دماغ فائق الذكاء تم تدريبه مسبقاً) مصمم خصيصاً لفهم كل هذه الكاميرات المريخية المختلفة في آن واحد.

كيف بنوا هذا النموذج؟ (وصفة "دمج النماذج")

عادةً، لتدريب ذكاء اصطناعي على ثلاث كاميرات مختلفة، قد تحاول تغذية جميع الصور في وعاء واحد ضخم وتأمل أن يتعلم كل شيء. لكن هذا يشبه محاولة طهي شريحة لحم، وحساء، وكعكة في نفس المقلاة في نفس الوقت؛ سيصبح الأمر فوضووياً.

بدلاً من ذلك، استخدم الباحثون وصفة ذكية مكونة من خطوتين:

التدريب المنفصل: قاموا أولاً بتدريب ثلاثة طهاة متخصصين ومنفصلين. تعلم أحد الطهاة فقط من العدسة المكبرة (HiRISE)، وتعلم الثاني من الدرون (CTX)، والثالث من النظارات الحرارية (THEMIS). أصبح كل منهم خبيراً في مجاله الخاص.
دمج "خسارة التحقق المتساوية" (EVL): هذا هو السر وراء الورقة البحثية. تخيل أن لديك ثلاثة طهاة يطبخون أطباقهم الخاصة. تريد دمجهم في شيف واحد ماهر، لكن لا يمكنك أخذهم عشوائياً في أي وقت.
- إذا أخذت الطاهي (أ) وهو لا يزال في البداية (غير ناضج) والطاهي (ب) عندما احترق طعامه (بالغ في الطبخ)، ستكون النتيجة سيئة.
- ابتكر الباحثون استراتيجية تسمى "خسارة التحقق المتساوية" (Equal Validation Loss). فكر في الأمر كأنه رقصة متناغمة تماماً. لقد راقبوا الطهاح الثلاثة وانتظروا حتى يصلوا جميعاً إلى نفس المستوى الدقيق من "الإتقان" (مقاساً بمدى أدائهم في اختبار ما).
- بمجرد وصولهم جميعاً إلى تلك "النقطة المثالية"، قاموا بدمج معرفتهم في نموذج واحد.

لماذا يعد هذا أمراً مهماً للغاية؟

1. إنه حل "واحد يناسب الجميع"
قبل MOMO، إذا أراد عالم دراسة فوهة، كان عليه معرفة الكاميرا التي التقطت الصورة واختيار نموذج الذكاء الاصطناعي المناسب. الآن، ما على العالم فعله سوى إعطاء الصورة لـ MOMO. سواء كانت صورة عالية الدقة لصخرة واحدة أو خريطة حرارية منخفضة الدقة لقارة، فإن MOMO يفهمها.

2. إنه أفضل من "نماذج الأرض"
غالباً ما يحاول العلماء استخدام نماذج ذكاء اصطناعي تم تدريبها على الأرض (مثل خرائط جوجل أو أقمار الأرصاد الجوية) لدراسة المريخ. الأمر يشبه محاولة استخدام خريطة لمدينة نيويورك للتنقل في شوارع طوكيو. التضاريس، والإضاءة، والصخور مختلفة تماماً. لقد تم تدريب MOMO خصيصاً على بيانات المريخ، لذا فهو يفهم الغبار المريخي، والفوهات، والجليد بشكل أفضل بكثير من النماذج المدربة على بيانات الأرض.

3. إنه "جاهز للمستقبل"
إذا أطلقت ناسا قمراً صناعياً جديداً بكاميرا جديدة تماماً في العام المقبل، فلن يضطروا لإعادة تدريب النظام بالكامل. يمكنهم فقط تدريب "خبير" صغير على هذه الكاميرا الجديدة واستخدام نفس "الرقصة" (استراتيجية EVL) لدمجه في دماغ MOMO الحالي. إنه يشبه إضافة أداة جديدة إلى صندوق الأدوات دون الحاجة لشراء صندوق أدوات جديد بالكامل.

ماذا يمكن لـ MOMO أن يفعل؟

اختبر الباحثون MOMO في 9 مهام مختلفة، وقد تفوق عليها جميعاً:

تحديد الصخور الكبيرة: تحديد مواقع الصخور الصغيرة لتجنبها من قبل المركبات الجوالة مستقبلاً.
رسم خرائط الفوهات: عد وتصنيف الفوهات لفهم تاريخ الكوكب.
رصد الانزلاقات الأرضية: تحديد الأماكن التي تتحرك فيها التربة.
اكتشاف الصقيع: رؤية الأماكن التي يتشكل فيها الجليد على السطح.

في معظم الاختبارات، كان MOMO أكثر دقة من النماذج التي تم تدريبها من الصفر، أو النماذج المدربة على بيانات الأرض، أو النماذج المدربة على نوع واحد فقط من الكاميرات.

الخلاصة

MOMO يشبه منح علماء الكواكب مترجماً عالمياً للمريخ. بدلاً من المعاناة للتحدث بثلاث لغات مختلفة (HiRISE و CTX و THEMIS)، أصبح لديهم الآن متحدث طليق يفهم تفاصيل الكوكب الأحمر بأكمُله. وهذا يجعل اكتشاف أشياء جديدة على المريخ أسرع، وأرخص، وأكثر دقة، مما يمهد الطريق لاستكشاف بشري مستقبلي.

إليك ملخص تقني مفصل لورقة "MOMO: نموذج أوربي المريخ (MOMO) – نموذج تأسيسي لتطبيقات مدار المريخ".

1. بيان المشكلة

بينما أحدثت النماذج التأسيسية (FMs) ثورة في مراقبة الأرض (EO) من خلال الاستفيد من البيانات واسعة النطاق لمهام متنوعة، لا يوجد نموذج تأسيسي مخصص لمراقبة المريخ عن بُعد. تعتمد الأساليب الحالية للتعامل مع بيانات المريخ على:

التدريب المسبق باستخدام ImageNet: تفتقر النماذج المدربة على الصور الطبيعية إلى السمات الطيفية والنسيجية والهندسية المحددة لأسطح المريخ.
التدريب الخاص بكل مستشعر: يعد تدريب نماذج منفصلة لكل مستشعر على حدة (مثل HiRISE وCTX وTHEMIS) أمراً غير فعال ويفشل في الاستفادة من المعرفة المتبادلة بين المستشعرات.
قيود دمج البيانات: يمثل دمج البيانات غير المتجانسة مباشرة من مستشعرات مختلفة (بتباين في الدقة من 0.25 متر إلى 100 متر لكل بكسل) تحدياً بسبب تفاوت التغطية والحاجة إلى إعادة تدريب كاملة عند إضافة مستشعرات جديدة.

يتمثل التحدي الجوهري في بناء نموذج موحد يمكنه التعامل بفعالية مع البيانات متعددة المستشعرات ومتعددة الدقة من المريخ دون الحاجة إلى جهود إعادة تدريب ضخمة وأحادية الهيكل.

2. المنهجية

يقترح المؤلفون MOMO، وهو نموذج تأسيسي متعدد المستشعرات يتم بناؤه عبر إطار عمل دمج النماذج (model merging) بدلاً من دمج البيانات المباشر. تتكون المنهجية من ثلاث ركائز أساسية:

أ. التدريب المسبق المستقل لكل مستشعر

بدلاً من دمج البيانات الخام، يقوم MOMO بالتدريب المسبق لنماذج ترميز ذاتي مقنع (Masked Autoencoder - MAE) مستقلة لكل مستشعر رئيسي من مستشعرات المريخ الثلاثة:

HiRISE: بدقة 0.25 متر/بكسل (بصري).
CTX: بدقة 5 متر/بكسل (بصري).
THEMIS: بدقة 100 متر/بكسل (أشعة تحت حمراء).

يتعلم كل نموذج التوزيعات وخصائص السمات الفريدة الخاصة بمستشعره بشكل مستقل.

ب. دالة التكلفة المبتكرة

لتحسين جودة إعادة البناء بما يتجاوز مجرد مطابقة البكسلات، قدم المؤلفون دالة خسارة مركبة أثناء التدريب المسبق:
$L_{total} = \lambda_1 L_{MSE} + \lambda_2 L_{SSIM} + \lambda_3 L_{LPIPS} + \lambda_4 L_{grad}$

$L_{MSE}$ : إعادة بناء مستوى البكسل القياسي.
$L_{SSIM}$ و $L_{LPIPS}$ : خسائر التشابه الهيكلي والإدراكي للحفاظ على النسيج والسمات عالية المستوى.
$L_{grad}$ : عقوبة التدرج (norm- $\ell_1$ ) لفرض النعومة المكانية والاتساق الهيكلي (للحفاظ على حواف الفوهات، حدود الانهيارات الأرضية، إلخ).

ج. استراتيجية خسارة التحقق المتساوية (EVL)

الابتكار الأساسي هو استراتيجية EVL لدمج النماذج المستقلة المدربة.

المشكلة: يؤدي دمج النماذج عند نقاط التحقق النهائية غالباً إلى عدم الاستقرار لأن النماذج المدربة على توزيعات بيانات مختلفة تتقارب بمعدلات متفاوتة وقد تكون مفرطة في التخصيص (overfitted) أو ناقصة التدريب (underfitted) بالنسبة لبعضها البعض.
الحل: يقوم المؤلفون بمحاذاة نقاط التحقق بناءً على تشابه خسارة التحقق.
1. يحددون مجموعات من حقب التدريب (epochs) "المحاذية للخسارة" $(e_1, e_2, ..., e_n)$ حيث تكون خسائر التحقق عبر جميع المستشعرات متقاربة متبادلاً ( $\Delta_{ij} \leq \epsilon$ ).
2. من هذه المجموعات المحاذية، يختارون المجموعة الأقرب إلى حقبة التوقف المبكر (early-stopping epoch) لكل مستشعر على حدة لضمان القدرة المثلى على التعميم.
3. يتم دمج نقاط التحقق المختارة باستخدام حساب المهام (Task Arithmetic) (تحديداً جمع الأوزان)، مما يخلق نموذجاً موحداً يدمج التمثيلات من جميع المستشعرات في مراحل تقارب متوافقة.

3. المساهمات الرئيسية

أول نموذج تأسيسي للمريخ: يعد MOMO أول نموذج تأسيسي تم تطويره وتحليله وتقييمه بشكل منهجي خصيصاً لتطبيقات المدار في المريخ.
التعامل مع تعدد المستشعرات والدقة: نجح النموذج في دمج بيانات تغطي فجوة دقة تصل إلى 400 ضعف (من 0.25 متر إلى 100 متر) دون الحاجة إلى تكديس بيانات معقد وغير متجانس.
اختيار نقاط التحقق باستراتيجية EVL: يقدم استراتيجية منهجية مبتكرة لدمج النماذج تضمن الاستقرار والقدرة على التعميم من خلال محاذاة النماذج بناءً على خسارة التحقق بدلاً من عدد الحقب التعسفي.
القابلية للتوسع: يسمح إطار العمل بدمج مستشعرات جديدة بسهولة في المستقبل عبر التدريب المسبق لنموذج جديد ودمجه عبر استراتيجية EVL، مما يتجنب الحاجة إلى إعادة تدريب النظام بأكل.

4. النتائج التجريبية

تم تقييم MOMO على 9 مهام تابعة من مجموعة بيانات Mars-Bench، والتي تغطي كلاً من التصنيف والتقسيم (segmentation).

مجموعة البيانات: تم التدريب المسبق على مجموعة منسقة تضم حوالي 12 مليون عينة (~4 ملايين لكل مستشعر) مستمدة من HiRISE وCTX وTHEMIS.
النماذج المرجعية (Baselines): تمت المقارنة مع التدريب المسبق لـ ImageNet، ونماذج مراقبة الأرض (SatMAE، CROMA، Prithvi، TerraFM، DINOv3)، والتدريب المسبق لكل مستشعر على حدة، والتدريب المسبق للبيانات المشتركة (Data Merge).
الأداء:
- الإجمالي: تفوق MOMO على جميع النماذج المرجعية، محققاً أفضل متوسط ترتيب (1.67) عبر جميع المهام.
- التقسيم (Segmentation): أظهر MOMO تحسينات كبيرة، لا سيما في مهمة الصخور (Boulder) (تحسن بنسبة ~4% في mIoU عن ImageNet) ومهمة المنحدرات المخروطية (ConeQuest). كما أظهر قدرة فائقة على تحديد السمات دقيقة التفاصيل مقارنة بالنماذج القائمة على الأرض.
- التصنيف (Classification): حقق MOMO أداءً مماثلاً أو أفضل قليلاً من نماذج الأرض والنماذج المرجعية، مع مكاسب ملحوظة في مهمة الغبار الجوي (AtmosDust).
- استراتيجية نقاط التحقق: تفوقت استراتيجية EVL على استراتيجيات الدمج "لآخر حقبة" (Last Epoch) و"التوقف المبكر" (Early Stopping)، حيث وفرت تحسناً في متوسط mIoU بنسبة ~2.5% في مهام التقسيم.
- المقارنة مع دمج البيانات (DM): تفوق MOMO على نهج التدريب المسبق للبيانات المشتركة بنسبة 15.25% في التصنيف و 5.4% في التقسيم، مع كونه أكثر كفاءة من الناحية الحسابية والنمطية.

5. الأهمية والأثر

تقدم علوم الكواكب: يوفر MOMO لعلماء الكواكب أداة قوية لتدريب النماذج لمهام علمية مخصصة بتكلفة أقل من الطرق الخاضعة للإشراف الكامل، مما يتيح تحليلاً أفضل لجيولوجيا المريخ، ومناخه، وتغيرات سطحه.
القدرة على التعميم: أظهر النموذج قدرة قوية على التعميم في المناطق خارج نطاق التوزيع، حيث نجح في توليد خرائط عالمية للسمات (مثل المخاريط البركانية) في مناطق غير مرئية من المريخ.
التطبيق الواقعي: تفوق MOMO على النموذج المستخدم حالياً في نظام بيانات الكواكب (PDS) التابع لناسا للبحث عن الصور القائم على المحتوى، حيث حسن متوسط درجات F1 بمقدار 4% وعزز بشكل كبير اكتشاف السمات المعقدة مثل خطوط المنحدرات (slope streaks) ومخلفات الاصطدام (impact ejecta).
التحول المنهجي: تثبت الورقة أن دمج النماذج مع الاختيار الأمثل لنقاط التحقق هو نهج متفوق وأكثر قابلية للتوسع لبناء نماذج تأسيسية لبيانات الاستشعار عن بعد متعددة الدقة والمستشعرات مقارنة بالتدريب المسبق الأحادي التقليدي.

الموارد: أتاح المؤلفون أوزان النموذج، وكود التدريب المسبق، والبيانات، وكود التقييم عبر الرابط: github.com/kerner-lab/MOMO.