Digital twins for developing planetary surface mission autonomy

Abstract

Tulevased robotmissioonid Kuule ja teistele taevakehadele peavad järjest enam toimima piiratud otsese juhtimisega Maalt. Sideviivitused, piiratud andmeedastus ja ebakindlad pinnatingimused tähendavad, et planeetide pinnal töötavad robotid vajavad suuremat autonoomsust, kuid need süsteemid tuleb välja töötada ja katsetada enne, kui sihtkeskkonnast on saadaval piisavalt seda iseloomustavaid andmeid. Doktoritöös uuritakse, kuidas digitaalseid kaksikuid ja simulatsioonidest saadud andmeid saab kasutada selliste autonoomsete süsteemide arendamise ja hindamise toetamiseks. Töö keskmes on ULYSSES, modulaarne simulatsiooniraamistik, mis ühendab planeetide kaugseireandmed, realistliku valgustuse, virtuaalsed kaamerad, kulgurimudelid ja füüsikalise vastasmõju maastikuga. Raamistikku kasutati Kuu keskkondade rekonstrueerimiseks ning sünteetiliste andmete loomiseks masinnägemise, missiooniplaneerimise ja liikuvusuuringute jaoks. Tulemused näitavad, et sünteetilised Kuu-pildid võivad olla kasulikud enamaks kui üksnes visualiseerimiseks. Simuleeritud piltidega treenitud tunnusetuvastusmudel töötas eriti hästi vähese tekstuuriga Kuu maastikul, kui seda testiti Apollo ja Yutu-2 missioonide piltidel. Simuleeritud komeedipilte kasutati ka pardal toimuva autonoomse pildivaliku uurimiseks, näidates, et masinõppemeetodid võivad oluliselt vähendada edastatavate andmete mahtu, säilitades teaduslikult olulised piirkonnad. Füüsikalist simulatsiooni täiendati terramehaanikapõhise ratta-pinnase vastasmõju modelleerimisega, mis parandas kulguri liikumise kujutamist pehmel pinnasel. Kuu-orbiidimissiooni uuringus mõjutas simulatsioon ka usaldusväärseks pinnarekonstruktsiooniks vajaliku kaamerasüsteemi ülesehitust. Kokkuvõttes näitab töö, et digitaalsete kaksikute ja realistlike simulatsiooniraamistike kasulikkus ei sõltu üksnes sellest, kui tõetruud need välja näevad, vaid sellest, kas need taastoodavad arendatava või katsetatava ülesande jaoks vajalikku teavet ja füüsikalist käitumist. Future robotic missions to the Moon, and other planetary bodies, must increasingly operate with limited direct control from Earth. Communication delays, restricted data transmission and uncertain terrain mean that future planetary surface robotic operations require greater autonomy, yet these systems must be developed and tested before representative data from the target environment are available. This dissertation investigates how digital twins and simulation derived data can be used to support the development and evaluation of such autonomous systems. A central part of the work is ULYSSES, a modular simulation framework that combines planetary remote-sensing data, realistic illumination, virtual cameras, rover models and physical interaction with terrain. The framework was used to reconstruct Lunar environments and generate synthetic data for computer vision, mission planning and mobility studies. The results show that synthetic Lunar imagery can be useful beyond visualisation alone. A feature-detection model trained using simulated images performed particularly well on low-texture Lunar terrain when tested on images from past Lunar surface mission imagery (Apollo and Yutu-2 missions). Simulated comet imagery was also used to study autonomous onboard image selection, showing that machine-learning methods can substantially reduce the amount of data that needs to be transmitted while retaining scientifically relevant regions. Physical simulation was extended with terramechanics based wheel terrain modelling, improving the representation of rover motion on soft soil. In a Lunar orbiter study, simulation also influenced the design of the camera system needed for reliable surface reconstruction. Overall, the work shows that the usefulness of digital twins and high-fidelity simulation frameworks depends not simply on visual realism, but on whether they reproduce the information and physical behaviour required for the task being developed or tested.