{"id":361,"date":"2026-09-11T00:03:01","date_gmt":"2026-09-10T15:03:01","guid":{"rendered":"https:\/\/gearwhat.com\/es\/nasa-ibm-lunar-ai-mapping-review\/"},"modified":"2026-09-11T00:03:01","modified_gmt":"2026-09-10T15:03:01","slug":"nasa-ibm-lunar-ai-mapping-review","status":"publish","type":"post","link":"https:\/\/gearwhat.com\/es\/nasa-ibm-lunar-ai-mapping-review\/","title":{"rendered":"IA Lunar de NASA e IBM: Mapeo de cr\u00e1teres de la Luna para las misiones espaciales de 2026"},"content":{"rendered":"

Escaneando el lado oscuro de la luna, la IA espec\u00edfica para la superficie lunar de la NASA y de IBM.<\/p>\n

\"IA <\/p>\n

Imagen cortes\u00eda de la NASA<\/p>\n

Cuando pensamos en la inteligencia artificial hoy en d\u00eda, normalmente nos imaginamos a ChatGPT conversando en texto o generando im\u00e1genes a partir de indicaciones (prompts<\/em>). Sin embargo, mirando hacia el espacio, un tipo de modelo ligeramente diferente se prepara para dejar su huella. La estrella del espect\u00e1culo es una \u00abIA de an\u00e1lisis de la superficie lunar\u00bb desarrollada conjuntamente por la NASA y IBM. En lugar de generar oraciones que suenen plausibles, este sistema act\u00faa como un observador con ojos de \u00e1guila, examinando y analizando a fondo el duro terreno lunar capturado por los sat\u00e9lites.<\/p>\n

\n

Por qu\u00e9 los mapas lunares de 1969 ya no son suficientes<\/h2>\n

\"IA <\/p>\n

IBM<\/p>\n

Dado que los humanos ya caminaron por la luna en 1969, es posible que te preguntes por qu\u00e9 necesitamos volver a trazar mapas meticulosamente desde cero. Sin embargo, la pr\u00f3xima misi\u00f3n de exploraci\u00f3n tripulada Artemis tiene objetivos completamente diferentes en comparaci\u00f3n con el programa Apolo del pasado. Mientras que la vieja prioridad era simplemente un aterrizaje seguro y un regreso protegido, el objetivo moderno requiere establecer campamentos base en la superficie lunar para la extracci\u00f3n de recursos y estancias prolongadas de los astronautas.<\/p>\n

Para lograr esto, necesitamos un mapeo con precisi\u00f3n centim\u00e9trica de las regiones permanentemente en sombra en el polo sur \u2014donde podr\u00eda haber hielo enterrado que se puede convertir en agua potable o combustible\u2014, as\u00ed como de un terreno plano donde los rovers no vuelquen. Sin embargo, a diferencia de la Tierra, la luna carece de atm\u00f3sfera para dispersar la luz, lo que significa que incluso un ligero cambio en el \u00e1ngulo del sol hace que las sombras se vuelvan extremadamente largas o cortas. Los datos cartogr\u00e1ficos heredados y las fotos satelitales \u00f3pticas b\u00e1sicas se quedan claramente cortos a la hora de calibrar con precisi\u00f3n los contornos reales del terreno.<\/p>\n

\n

Trabajo manual que tomaba semanas, terminado en minutos<\/h2>\n

Hasta ahora, identificar cr\u00e1teres o campos de rocas peligrosos en la superficie lunar ha sido en gran medida la ardua tarea de astr\u00f3nomos e investigadores. El proceso implicaba llevar millones de fotos satelitales en blanco y negro tomadas por orbitadores lunares a los monitores de las computadoras, verificar manualmente los contornos, medir tama\u00f1os y trazar coordenadas una por una.<\/p>\n

\"IA <\/p>\n

Scientific Visualization Studio de la NASA, que muestra una fotograf\u00eda lunar del polo sur indicando regiones que probablemente contengan hielo de agua seg\u00fan los datos.<\/p>\n

El modelo base de IA liderado por IBM agiliza dr\u00e1sticamente este tedioso proceso de clasificaci\u00f3n primaria del terreno. Cuando se introducen nuevas im\u00e1genes satelitales en el sistema, este identifica r\u00e1pidamente los cr\u00e1teres de impacto de formaci\u00f3n reciente y los c\u00famulos de rocas que representan peligros para las naves espaciales que aterrizan. El an\u00e1lisis que le tomar\u00eda a los humanos semanas de mano de obra manual probablemente se pueda comprimir a meros minutos. As\u00ed como una m\u00e1quina proporciona una traducci\u00f3n aproximada s\u00f3lida para que un humano la pula, la IA ofrece un boceto base confiable para el an\u00e1lisis del terreno c\u00f3smico.<\/p>\n

\n

Swin Transformer: Leyendo el contexto sobre los p\u00edxeles<\/h2>\n

La columna vertebral de este sistema es una arquitectura de procesamiento de datos visuales llamada \u00abSwin Transformer V2 (SwinV2)\u00bb. No hay necesidad de profundizar en principios matem\u00e1ticos complejos, pero observar en qu\u00e9 se diferencia de la tecnolog\u00eda anterior es bastante fascinante.<\/p>\n

Mientras que las IA de reconocimiento de im\u00e1genes m\u00e1s antiguas inspeccionaban las fotos p\u00edxel por p\u00edxel en busca de caracter\u00edsticas locales, esta tecnolog\u00eda divide una imagen grande en m\u00faltiples parches m\u00e1s peque\u00f1os y lee de manera integral las relaciones entre ellos. Este principio es similar a una IA de texto que comprende significados ocultos al captar el contexto circundante en lugar de obsesionarse con las palabras individuales.<\/p>\n

\"IA <\/p>\n

NASA, Un cr\u00e1ter formado en la luna debido al choque de un cohete Falcon 9 de SpaceX.<\/p>\n

Gracias a este enfoque, incluso cuando las resoluciones de las im\u00e1genes satelitales fluct\u00faan o las formas de los cr\u00e1teres quedan oscurecidas por sombras profundas, el sistema sobresale en la lectura de los flujos del terreno circundante para capturar los contornos generales. Demuestra ser una herramienta ideal para analizar la superficie accidentada de la luna, donde la reflectancia de la luz y las texturas del suelo difieren por completo de las de la Tierra.<\/p>\n

\n

Una era en la que cualquiera puede planificar la exploraci\u00f3n lunar desde casa<\/h2>\n

Swin Transformer V2 \u00b7 Hugging Face<\/strong> We\u2019re on a journey to advance and democratize artificial intelligence through open source and open science. huggingface.co <\/a> <\/p>\n

Tan notable como su culminaci\u00f3n t\u00e9cnica es el hecho de que este enorme modelo ha salido de los laboratorios de investigaci\u00f3n cerrados y se ha lanzado como c\u00f3digo abierto. Con el modelo completo disponible p\u00fablicamente en la plataforma global de IA Hugging Face, cualquiera \u2014no solo los investigadores internos de la NASA\u2014 puede utilizar libremente los datos.<\/p>\n

Esto tiene una profunda importancia para el ecosistema de la industria espacial. Significa que las peque\u00f1as empresas aeroespaciales emergentes sin un capital masivo o supercomputadoras propietarias, los astr\u00f3nomos aficionados e incluso los clubes universitarios pueden aprovechar esta IA para trazar rutas de conducci\u00f3n para nuevos rovers lunares o construir simuladores de terreno en 3D precisos. Parece que la alta barrera de entrada para los datos de desarrollo espacial, que alguna vez estuvieron estrictamente monopolizados por agencias gubernamentales de superpotencias, se ha reducido considerablemente para el sector privado.<\/p>\n

\n

Lo que significa esta colaboraci\u00f3n entre la NASA y IBM<\/h2>\n

\"IA <\/p>\n

Esto demuestra que la IA ha trascendido el papel de un asistente confinado a una habitaci\u00f3n que simplemente resume documentos o genera arte en pantalla, convirti\u00e9ndose en una infraestructura pr\u00e1ctica que expande las fronteras f\u00edsicas de la humanidad. Si bien puede que no sea una nueva funci\u00f3n de tel\u00e9fono inteligente directamente en nuestras manos, los datos y modelos como estos se acumular\u00e1n constantemente para servir como la piedra angular resistente para los futuros asentamientos lunares de la humanidad. En un futuro cercano, cuando escuchemos la noticia de que una nave espacial Artemis ha aterrizado de manera segura en una coordenada lunar espec\u00edfica, es muy probable que el sistema de navegaci\u00f3n de ese m\u00f3dulo de aterrizaje lleve los mapas dibujados silenciosamente por la IA presentada hoy.<\/p>\n

\n
\n

\ud83d\udcf8 Entre bastidores<\/p>\n

Mira m\u00e1s fotos entre bastidores en mi blog de Naver (coreano):<\/p>\n

\ub2ec \ub4b7\uba74 \ubd84\ud654\uad6c\uae4c\uc9c0 \uc2f9 \ud6d1\ub294\ub2e4, NASA\uc640 IBM\uc758 \ub2ec \uc804\uc6a9 AI<\/strong><\/p>\n

\ud83d\udc49 https:\/\/blog.naver.com\/PostView.naver?blogId=k5kun&logNo=224407635589<\/a><\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

Escaneando el lado oscuro de la luna, la IA espec\u00edfica para la superficie lunar de la NASA y de IBM. Imagen cortes\u00eda de la NASA Cuando pensamos en la intel…<\/p>\n","protected":false},"author":1,"featured_media":360,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[7],"tags":[],"class_list":["post-361","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-hacks","wpcat-7-id"],"_links":{"self":[{"href":"https:\/\/gearwhat.com\/es\/wp-json\/wp\/v2\/posts\/361","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/gearwhat.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/gearwhat.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/gearwhat.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/gearwhat.com\/es\/wp-json\/wp\/v2\/comments?post=361"}],"version-history":[{"count":0,"href":"https:\/\/gearwhat.com\/es\/wp-json\/wp\/v2\/posts\/361\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/gearwhat.com\/es\/wp-json\/wp\/v2\/media\/360"}],"wp:attachment":[{"href":"https:\/\/gearwhat.com\/es\/wp-json\/wp\/v2\/media?parent=361"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/gearwhat.com\/es\/wp-json\/wp\/v2\/categories?post=361"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/gearwhat.com\/es\/wp-json\/wp\/v2\/tags?post=361"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}