🤖 AI

MOMO: Mars Orbital Model Foundation Model for Mars Orbital Applications

本文介绍了 MOMO，这是首个通过新颖的等验证损失策略融合多传感器（HiRISE、CTX 和 THEMIS）表征的火星遥感基础模型，其在大规模数据集上训练并在火星基准测试的九项下游任务中展现出优于现有基线的卓越性能。

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

发布于 2026-04-06

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

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

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文介绍了一个名为 MOMO 的超级人工智能模型，它是专门为火星设计的“大脑”。

想象一下，以前科学家研究火星，就像是一个人在黑暗中摸索，或者只能拿着手电筒（单一传感器）看火星的一小块地方。而 MOMO 的出现，就像是给火星科学家配了一副超级智能眼镜，不仅能看清火星的每一个角落，还能同时理解不同“视力”下的火星世界。

下面我用几个生活中的比喻来拆解这篇论文的核心内容：

1. 什么是 MOMO？（火星的“全能翻译官”）

火星上有好几台不同的“照相机”在绕着它转：

HiRISE：像是一个拿着显微镜的摄影师，能看清 0.25 米（一张纸大小）的细节，但只能拍很少的地方。
CTX：像是一个拿着普通相机的摄影师，能看清 5 米（一辆车大小）的细节，拍得范围大一些。
THEMIS：像是一个拿着热成像仪的摄影师，只能看清 100 米（一个足球场大小）的热度，但能拍遍整个火星。

以前，科学家得分别训练三个不同的 AI 模型来分别处理这三类照片，非常麻烦。
MOMO 的做法：它把这三个“摄影师”教出来的知识，像拼乐高一样完美地融合在一起。现在，你只需要一个 MOMO 模型，它就能同时理解显微镜下的岩石纹理、普通相机下的地貌，以及热成像仪下的温度分布。

2. 核心技术：它是如何“拼”起来的？（Equal Validation Loss, EVL）

这是论文最聪明的地方。通常把两个模型拼在一起，就像把两个刚跑完马拉松的人和一个刚睡醒的人强行绑在一起跑步，结果肯定不好。

传统做法：不管训练到什么程度，直接拿最后的结果拼起来。这就像把三个不同步调的乐队强行合奏，声音会很乱。
MOMO 的做法（EVL 策略）：
想象你在训练三个学生（分别对应三个相机）。老师（MOMO 的算法）会一直盯着他们的考试成绩（验证损失）。
老师不会等他们考完所有试再拼，而是会寻找这样一个时刻：三个学生的考试成绩刚好差不多好，且都达到了他们个人的最佳状态。
在这个“最佳同步点”，老师把他们的知识融合在一起。这样拼出来的模型，既稳定又强大，不会有人拖后腿。

3. 它是怎么学习的？（不仅是看，还要“懂”）

MOMO 看了大约 1200 万张 火星照片进行“预习”。

以前的 AI：就像只背单词。如果让它复原一张被遮住一半的火星陨石坑图片，它可能只能猜出颜色，但画不出陨石坑圆圆的形状。
MOMO 的升级：它发明了一种新的“作业要求”。除了颜色要对，它还要求形状和结构必须对。
- 这就好比教孩子画画，以前只要求“涂色别涂出界”，现在要求“不仅要涂色，还要画出苹果的圆润感”。
- 这让 MOMO 在识别火星上的陨石坑、滑坡、岩石时，能看得更准、更细。

4. 它有什么用？（火星的“超级侦探”）

论文里测试了 9 种不同的任务，MOMO 都表现得比以前的方法更好，特别是在画地图（分割任务）上：

找陨石坑：以前可能分不清大坑小坑，现在能精准画出每一个坑的轮廓。
找岩石：能在茫茫沙海中精准定位每一块大石头。
找滑坡：能识别出巨大的山体滑坡区域。

最厉害的一点是扩展性：
如果未来火星上发射了一台新的相机（比如能拍雷达的），以前的方法可能需要把整个系统推翻重来。但 MOMO 只需要把新相机“教”一下，然后按照刚才说的“同步成绩”的方法，把它插进现有的模型里就行了，不需要重新训练整个系统。这就像给手机装新 APP 一样方便。

5. 总结

MOMO 是火星科学界的第一个“基础大模型”。

以前：我们要为每个任务、每个相机单独造一个“小工具”。
现在：我们有了一个“瑞士军刀”（MOMO），它融合了所有火星相机的智慧，既能看宏观（整个星球），也能看微观（一块石头），而且越用越聪明。

这项研究不仅让科学家能更低成本、更高效地探索火星，也为未来探索其他星球（比如木卫二、土卫六）提供了全新的思路：先分别学习，再在最佳时刻融合，打造一个通用的星际智能。

MOMO：火星轨道基础模型技术总结

1. 研究背景与问题 (Problem)

尽管地球观测（Earth Observation, EO）领域的基础模型（Foundation Models, FMs）近年来发展迅速，但在火星遥感领域，尚未有专门的基础模型被提出。现有的火星遥感研究主要面临以下挑战：

缺乏领域专用预训练模型：目前的研究多直接使用在 ImageNet 上预训练的模型，或在单一传感器数据上进行小规模预训练。研究表明，域内（In-domain）预训练能显著提升性能，但缺乏针对火星多源数据的统一模型。
多传感器与多分辨率的异构性：火星轨道数据来自不同的传感器（如 HiRISE, CTX, THEMIS），它们在空间分辨率（从 0.25 米/像素到 100 米/像素）、光谱通道和覆盖范围上存在巨大差异。
- 直接堆叠数据：由于不同传感器的时空覆盖重叠度低且分辨率差异大，难以像地球观测那样将多传感器数据直接堆叠作为多通道输入。
- 联合训练困难：将不同传感器数据混合在一个异质数据集中训练单一模型，不仅计算成本高，而且当新增传感器时需要重新训练整个模型，缺乏扩展性。
模型合并的稳定性：现有的模型合并（Model Merging）技术通常直接合并最终检查点（Checkpoints），忽略了不同传感器模型在训练轨迹和收敛阶段上的差异，可能导致融合后的模型不稳定或泛化能力差。

2. 方法论 (Methodology)

作者提出了 MOMO (Mars Orbital Model)，这是首个专为火星轨道应用设计的基础模型。其核心方法论包括以下三个关键部分：

2.1 独立预训练与模型合并策略

MOMO 不直接混合异构数据，而是采用分而治之的策略：

独立预训练：分别为 HiRISE（0.25m）、CTX（5m）和 THEMIS（100m）三个传感器独立训练掩码自编码器（Masked Autoencoders, MAE）。
模型合并：利用**任务算术（Task Arithmetic）**算法，将训练好的传感器专用模型合并为一个统一的基础模型。

2.2 等验证损失策略 (Equal Validation Loss, EVL)

这是 MOMO 的核心创新点。传统的合并方法通常选择每个模型的最终检查点，但这可能导致模型处于不兼容的收敛阶段。

原理：EVL 策略在合并前，根据验证损失（Validation Loss）的相似性来对齐不同传感器的检查点。
流程：
1. 记录每个传感器模型在训练过程中的验证损失曲线。
2. 寻找一组检查点（每个传感器一个），使得它们之间的验证损失差异最小（即 $\Delta_{ij} \le \epsilon$ ）。
3. 在满足损失对齐的候选组中，选择距离各自早停（Early Stopping）点平均距离最近的组合。
优势：确保合并的模型处于相似的泛化能力和收敛阶段，避免了过拟合或欠拟合模型的混合，显著提高了融合的稳定性和泛化性。

2.3 优化的损失函数

为了提升火星地貌特征（如陨石坑边缘、滑坡边界）的重建质量，MOMO 改进了传统的均方误差（MSE）损失函数，引入了感知和结构感知组件：
$L_{total} = \lambda_1 L_{MSE} + \lambda_2 L_{SSIM} + \lambda_3 L_{LPIPS} + \lambda_4 L_{grad}$

$L_{MSE}$ ：像素级重建。
$L_{SSIM}$ ：结构相似性，保持结构 fidelity。
$L_{LPIPS}$ ：感知损失，捕捉高层特征。
$L_{grad}$ ：梯度损失，惩罚预测图与真实图在水平和垂直梯度上的差异，增强边缘和形状的一致性。

2.4 数据构建

数据源：HiRISE, CTX, THEMIS。
规模：构建了约 1200 万（~12M）的高质量样本库。
采样策略：基于 USGS 火星地质图（GMoM）进行分层采样，确保地质单元和地理分布的代表性。
质量控制：使用 SSIM 和噪声估计指标过滤低质量图像（如模糊、伪影）。
划分：使用 HEALPix 策略将全球数据划分为训练集和验证集，防止数据泄露。

3. 主要贡献 (Key Contributions)

首个火星基础模型：MOMO 是首个系统开发、分析并评估的火星轨道遥感基础模型，填补了该领域的空白。
多传感器融合新范式：提出了一种基于模型合并和EVL 检查点选择策略的新方法，有效解决了多分辨率、多传感器数据的融合难题，无需重新训练即可整合新传感器。
全面的基准测试：在 Mars-Bench 的 9 个下游任务（包括 4 个分类任务和 5 个分割任务）上进行了广泛评估，涵盖了从宏观地貌到微观岩石的多种场景。
开源生态：公开了模型权重、预训练代码、数据和评估代码，推动火星科学和基础模型研究的发展。

4. 实验结果 (Results)

MOMO 在 Mars-Bench 的所有任务中均表现出优越的性能，主要发现如下：

整体性能：MOMO 在分类和分割任务上的综合表现优于 ImageNet 预训练模型、地球观测基础模型（如 SatMAE, Prithvi, CROMA）以及传感器特定的预训练模型。
分割任务显著提升：在需要精细定位的分割任务（如 Boulder, Crater, Landslide）上，MOMO 相比 ImageNet 基线平均提升了约 1% mIoU，在 Boulder 任务上提升显著（约 4%）。这表明 MOMO 更好地捕捉了火星表面的空间纹理和结构特征。
分类任务表现：在分类任务上，MOMO 平均提升了约 1.25% 的 F1 分数，特别是在 AtmosDust 任务上提升了 4%。
对比分析：
- vs. 地球模型：地球模型在分类任务上表现尚可，但在分割任务上明显不如 MOMO，证明了域内预训练的重要性。
- vs. 传感器特定模型：MOMO 作为一个统一模型，性能优于单一传感器模型，且避免了维护多个模型的开销。
- vs. 数据合并（Data Merge）：MOMO 比直接混合数据训练的模型在分类和分割上分别高出 15.25% 和 5.4%，且具备更好的可扩展性。
- vs. 检查点选择策略：EVL 策略比传统的“早停（ES）”或“最后一步（LE）”策略更稳定，平均提升了约 2.5% 的 mIoU。
实际部署潜力：在 NASA 行星数据系统（PDS）的图像搜索任务中，MOMO 在 8 个类别中的 7 个上超越了当前部署的模型，宏观平均 F1 分数提升了 4%。

5. 意义与影响 (Significance)

科学价值：MOMO 为行星科学家提供了一种低成本、高效率的工具，用于训练自定义的科学任务模型，无需从头开始训练，降低了火星科学研究的门槛。
技术突破：证明了通过最优检查点选择策略进行模型合并，是构建多分辨率、多传感器基础模型的有效途径。这一思路不仅适用于火星，也可推广至其他多源遥感数据场景。
可扩展性：MOMO 的架构支持模块化扩展。未来若增加新的火星传感器，只需预训练该传感器的模型并通过 EVL 策略合并，而无需重新训练整个基础模型。
应用前景：MOMO 已展现出生成全球尺度地质特征地图（如火星滑坡、陨石坑分布）的能力，为未来的火星探测任务规划、资源评估和地质研究提供了强有力的技术支持。

综上所述，MOMO 不仅是一个性能卓越的火星遥感模型，更在方法论上为多源异构遥感数据的基础模型构建提供了新的范式。