Jet Propulsion Laboratory
PulseAugur coverage of Jet Propulsion Laboratory — every cluster mentioning Jet Propulsion Laboratory across labs, papers, and developer communities, ranked by signal.
- 2026-05-22 regulatory NASA is opening up bids for who will run the Jet Propulsion Laboratory. 来源
4 天有情绪数据
-
NASA 使用 AI 规划火星探测器路线,增加人工监督
NASA 的喷气推进实验室利用 Anthropic 的 Claude AI 为火星上的 Perseverance 探测器规划了两条行驶路线。工程师通过与地面照片进行交叉比对,增强了 AI 基于轨道图像的路线规划,地面照片显示了 Claude 忽略的沙纹。这种结合了 AI 规划和人工监督(使用未见数据)的双重检查过程,预计可将路线规划时间缩短一半。
-
改进的小行星偏转模型揭示新的末日见解
科学家们开发了一个改进的小行星偏转模拟模型,该模型运行速度显著加快,并提供了对潜在末日情景更详细的见解。这个增强的模型建立在先前工作的基础上,提供了对小行星撞击和偏转任务所涉及物理学的更深入理解。研究人员指出,虽然他们预料到撞击的目标至关重要,但其影响的程度却是一个令人惊讶的发现。
-
Claude Code 工具利用 AI 自动化 YouTube 视频优化
一个名为 Claude Code 的新开源工具已被开发出来,以协助 YouTube 创作者优化他们的视频上传。该工具在 MIT 许可下发布,通过分析搜索趋势和视频内容,自动化生成标题、描述、章节、标签和话题标签的过程。它还对缩略图帧进行评分并创建字幕文件,在上传前需要用户批准。该系统利用 Python 脚本,并利用 Claude Code、Codex、Cursor+ 和 OpenClaw 等 LLM,可以选择使用 Groq 或 Ope…
-
NASA实习生转向人工智能以进行长期护理规划
Lily Vittayarukskul,曾是NASA喷气推进实验室的实习生,现已将职业生涯转向解决长期护理规划的复杂性。目睹了她的姑姑与绝症抗争以及由此产生的经济和家庭压力,Vittayarukskul 创立了 Waterlily。该人工智能平台旨在帮助家庭在与衰老相关的护理需求变得危急之前主动规划,利用数据预测成本和护理负担。
-
Voyager 探测器 50 年科学之旅由原始团队成员详述
50 年前发射的 Voyager 探测器在接近星际空间边缘时,收集了重要的科学信息。Voyager 成像团队的一名成员在 The Register 的 Kettle 播客上讨论了该探测器的发现以及他在任务中的作用。
-
NASA's Mars AI to leverage consumer data for autonomous decision-making
NASA's Jet Propulsion Laboratory is developing AI systems for Mars missions, drawing on lessons learned from consumer, health, and financial data. The goal is to create AI that can make critical decisions autonomously, …
-
AI 实现经审计的递归自我改进,发现物理定律
研究人员开发了一种名为“Genesis Accounting”的新方法,用于严格跟踪和验证 AI 系统中递归自我改进的实例。该系统区分了预定义词汇表内的 AI 生成内容与真正新颖的、机器编写的机制,这些机制被注册到 AI 自身的运行词汇表中。首批经审计的事件证明了该系统能够高精度地发现基本物理定律,例如氢能级的里德伯公式和开普勒速度定律,其精度超过了标准的计算方法。
-
美国宇航局“好奇号”探测器捕捉到火星黎明惊艳图像
美国宇航局(NASA)发布了其“好奇号”探测器拍摄的火星黎明新图像。照片展示了崎岖的山峰和风蚀悬崖,据信是大约30亿年前形成的硬化沉积层。自2012年和2014年以来,“好奇号”探测器一直在探索盖尔撞击坑并攀登夏普山。
-
NASA探索生成式AI以实现地外航天器自主性
NASA正在探索使用生成式AI来增强航天器的自主性,超越传统的确定性系统。最近的实验包括使用Anthropic的Claude模型为火星上的Perseverance探测器规划路线,以及在国际空间站部署压缩AI模型以从轨道上识别环境现象。尽管由于信任和可预测性问题,尚未将完全控制权委托给AI,但太空任务日益增长的复杂性和距离使得像导航危险环境或应对快速事件的任务需要更大的自主性。
-
Google AI 利用深度学习从太空绘制全球甲烷排放图
Google Research 开发了一个名为 MAPL-EMIT 的深度学习框架,用于自动检测和量化卫星数据中的甲烷羽流。这一新方法在 PNAS 上发表,通过实现 84% 的专家标注羽流召回率,显著改进了现有方法。为了方便更广泛的使用,Google 发布了训练模型、全球羽流数据库和推理库。
-
NASA将谷歌的Gemma 3大语言模型送往太空用于卫星图像分析
NASA已成功演示在卫星上使用谷歌的Gemma 3大语言模型,标志着首次由大语言模型在轨分析卫星图像。运行Gemma 3压缩版本的NAVI-Orbital系统分析了YAM-9卫星的图像,并准确地对其进行了分类,生成了文本描述并回答了脚本化的问题。这一进步实现了“语义压缩”,使卫星能够发送简洁的文本摘要,而不是大量原始图像数据,从而克服了带宽限制,并实现了航天器更具战术性的使用。
-
NASA 的 Roman 望远镜将首次启用主动日冕仪用于系外行星成像
NASA 即将推出的 Nancy Grace Roman 太空望远镜将配备首个天基主动日冕仪,旨在屏蔽星光,从而对类似我们太阳系行星的系外行星进行成像。该先进仪器利用两个具有数千个致动器的变形镜来精确塑造镜面,消除不需要的光线和眩光。该望远镜的功能,包括一个比哈勃望远镜大得多的广角相机,也将有助于研究暗物质和暗能量,并探测估计 100,000 颗新系外行星。
-
五角大楼发布不明飞行物文件;中国的“天问二号”抵达小行星目标
五角大楼已发布新一批解密的不明飞行物文件,继续履行其在不明异常现象方面保持透明的承诺。这些文件跨越数十年,包括第一手资料、插图和视频,正通过一个专门的数据库公开发布。与此同时,中国的“天问二号”航天器已成功抵达其目标小行星 Kamo'oalewa(也称为 2016HO3),并传输了首张近距离图像。该任务旨在在 2027 年底前从该小行星收集样本并返回地球,此前美国和日本也成功执行了类似的小行星样本返回任务。
-
轨道人工智能初创公司 Ubotica 融资 1100 万美元用于卫星智能处理
爱尔兰太空技术公司 Ubotica 融资 1100 万美元,以推进其“轨道人工智能”能力。该技术使卫星能够直接在轨道上处理和分析数据,发送见解而非原始图像。通过将数据捕获到分析的时间从几天缩短到几分钟,这种方法极大地加快了可操作情报的交付速度,尤其是在海事安全领域。
-
欧几里得望远镜捕捉到银河系中心,助力NASA即将进行的任务
欧洲航天局的欧几里得望远镜捕捉到了银河系核球的详细图像,为NASA即将进行的任务提供了宝贵的预览。这张图像将补充NASA的Nancy Grace Roman太空望远镜将于今年夏天开始的为期五年的调查,该调查旨在绘制核球内恒星和天体变化图。研究人员预计,结合两台望远镜的数据将增进对我们星系的理解,并有助于发现孤立的黑洞和流浪行星等天体。
-
Loft Orbital 和 NASA JPL 在航天器上测试人工智能以进行地球观测
Loft Orbital 正在与 NASA 的喷气推进实验室合作开展一项名为“联邦自主测量”(FAME) 的项目,在航天器上测试人工智能模型以进行地球观测。该计划旨在实时自动化识别和分析感兴趣特征的过程,从而减少了为地面分析下载大量数据的需求。该项目利用了更小、高性能的人工智能模型和卫星基础设施的进步,初步测试已在进行中,并计划于 2027 年和 2028 年进行进一步部署。
-
NASA测试Ernest火星车,具备先进的抬轮功能,适用于火星和月球任务
NASA正在开发一款名为Ernest的新型原型火星车,旨在提高在复杂地外地形中的机动性。与目前的火星车不同,Ernest配备了主动悬挂系统,可以单独抬起车轮,使其能够越过障碍物并爬上更陡的斜坡。这种先进的设计在科罗拉多沙漠进行了37小时的测试,最高速度达到0.6英里/小时,行驶了约16英里,显著优于现有火星车,并为未来更快、更强大的火星和月球任务铺平了道路。
-
卫星首次利用人工智能自主发现目标
一颗地球观测卫星已成功自主识别目标,这是太空任务的首次。这是由 NASA 的喷气推进实验室 (NASA JPL) 和 Loft Orbital 实现的,在轨道上利用了 Google DeepMind 的 Gemma 3 模型。这一进展为能够进行实时数据分类和响应自然语言命令的 AI 驱动的太空传感器铺平了道路。
-
AI驱动的卫星自主识别轨道上的物体
地球观测卫星首次在轨道上使用视觉语言模型(VLM)自主识别感兴趣的物体。这一里程碑于4月实现,使用了Loft Orbital的Yam-9航天器上搭载的Google DeepMind的Gemma 3 VLM,展示了AI在革新天基传感方面的潜力。该技术实现了在轨数据分类,减少了对大量地面分析的需求,并为从太空进行连续、交互式监控开辟了可能性。
-
作者通过各种物品探讨了与人工智能的爱恨关系
作者对人工智能表达了一种复杂、二元的看法,承认其作为有用工具的潜力,同时又对其危险和反乌托邦的含义感到恐惧。这种情绪通过作者遇到的各种与人工智能相关的物品得到了体现,涵盖了人工智能对艺术和历史人物的影响、法律挑战以及人工智能领域知名人士之间的持续辩论。