Een nieuw computermodel dat maanstof nabootst, zou de teleoperatie van robots op de maan aanzienlijk kunnen verbeteren en veiliger maken. Dit model is ontwikkeld door onderzoekers van de University of Bristol, gevestigd in het Bristol Robotics Laboratory. Het zou niet alleen kunnen dienen voor de training van astronauten voor maanmissies, maar ook voor de ontwikkeling van robotische systemen voor ruimtetoepassingen, in samenwerking met de industrie partner Thales Alenia Space in het VK.
Maanstof, of regoliet, is van groot belang voor de geplande maanverkenningsmissies in het komende decennium. Wetenschappers zijn geïnteresseerd in regoliet vanwege de potentie om waardevolle bronnen zoals zuurstof, raketbrandstof of bouwmaterialen te extraheren, wat een langdurige aanwezigheid op de maan zou ondersteunen.
Voor het verzamelen van regoliet worden op afstand bestuurbare robots als een praktische keuze gezien, vanwege de lagere risico’s en kosten vergeleken met bemande ruimtevluchten. Echter, het besturen van robots over grote afstanden introduceert vertragingen in het systeem, wat de controle moeilijker maakt.
Het onderzoeksteam heeft nu aangetoond dat hun simulatie zich vergelijkbaar gedraagt met de werkelijkheid, waardoor het gebruikt kan worden om de bediening van een robot op de maan te spiegelen. Dit maakt het mogelijk voor operators om de robot te besturen zonder vertragingen, wat zorgt voor een vloeiendere en efficiëntere ervaring.
Hoofdauteur Joe Louca van de School of Engineering Mathematics and Technology van de University of Bristol legt uit: “Denk aan het als een realistisch videospel dat zich op de maan afspeelt – we willen ervoor zorgen dat de virtuele versie van maanstof zich gedraagt zoals het echte, zodat als we het gebruiken om een robot op de maan te besturen, het zich zal gedragen zoals we verwachten. Dit model is nauwkeurig, schaalbaar en licht, en kan dus worden gebruikt om toekomstige maanverkenningsmissies te ondersteunen.”
Dit onderzoek bouwt voort op eerder werk van het team, waaruit bleek dat ervaren robotoperators willen trainen op hun systemen met geleidelijk toenemend risico en realisme. Dat betekent beginnen in een simulatie en opbouwen naar het gebruik van fysieke mock-ups, alvorens over te gaan op het daadwerkelijke systeem. Een nauwkeurig simulatiemodel is cruciaal voor de training en het ontwikkelen van vertrouwen van de operator in het systeem.
Hoewel er al bijzonder nauwkeurige modellen van maanstof waren ontwikkeld, vereisen deze veel rekenkracht en tijd, waardoor ze te traag zijn om een robot soepel te besturen. Onderzoekers van DLR (Duits Lucht- en Ruimtevaartcentrum) hebben dit probleem aangepakt door een virtueel model van regoliet te ontwikkelen dat rekening houdt met de dichtheid, kleverigheid, en wrijving, evenals de verminderde zwaartekracht van de maan. Hun model is interessant voor de ruimtevaartindustrie omdat het weinig rekenkracht vereist en in realtime kan worden uitgevoerd. Het werkt echter het beste met kleine hoeveelheden maanstof.
Het team uit Bristol richtte zich op het uitbreiden van het model zodat het meer regoliet kan verwerken, terwijl het licht genoeg blijft om in realtime te draaien, en vervolgens om het experimenteel te verifiëren.
Joe Louca voegde toe: “Onze primaire focus gedurende dit project was het verbeteren van de gebruikerservaring voor operators van deze systemen – hoe kunnen we hun werk gemakkelijker maken? We begonnen met het oorspronkelijke virtuele regolietmodel ontwikkeld door DLR en hebben het aangepast om het schaalbaarder te maken. Vervolgens hebben we een reeks experimenten uitgevoerd – de helft in een gesimuleerde omgeving, de helft in de echte wereld – om te meten of het virtuele maanstof zich hetzelfde gedroeg als het echte.”
Nu dit model van regoliet veelbelovend blijkt te zijn qua nauwkeurigheid, schaalbaarheid en het licht genoeg is om in realtime te worden gebruikt, zal het team onderzoeken of het kan worden gebruikt bij het bedienen van robots om regoliet te verzamelen.
Ze zijn ook van plan om te onderzoeken of een soortgelijk systeem kan worden ontwikkeld om Marsbodem te simuleren, wat van voordeel kan zijn voor toekomstige verkenningsmissies, of om wetenschappers te trainen in het omgaan met materiaal van de langverwachte Mars Sample Return-missie.
