NASA и IBM Research представили открытую фундаментальную модель для лунных исследований. В основу обучения легли данные за 17 лет работы аппарата Lunar Reconnaissance Orbiter, а также информация миссий GRAIL, Lunar Prospector и японского зонда Kaguya. Набор данных SomBench включает почти 2 миллиона фрагментов изображений в 11 модальностях.
Архитектура модели базируется на системе TerraMind. Она одновременно обрабатывает снимки высокого и низкого разрешения, используя технологию FlexiViT для адаптации к разным размерам патчей. Для корректной интерпретации освещения модель учитывает углы падения солнечных лучей и положение светила, а данные разделены по географическим зонам для чистоты обучения.
Тесты показали снижение ошибки прогнозирования ледяных отложений на 22 процента по сравнению с базовой моделью SwinV2-B. При поиске кратеров в масштабе 100 метров модель превзошла аналоги на 19 процентов, используя лишь половину объема данных. Инструментарий и код проекта доступны на платформах Hugging Face и GitHub.
Разработка ведется в рамках партнерства NASA и IBM, запущенного в начале 2022 года. Исследователи подчеркивают, что модель не подходит для абсолютного геодезического позиционирования. Ранее в августе 2023 года компании представили модель Prithvi для анализа земной поверхности, которая была интегрирована в платформу IBM Watsonx.
