今年2月與毅力號探測車同時登陸火星的機智號直升機,于日前從火星表面成功起飛。更重要的是,機智號在“火表”上方三米處懸停約30秒后,又重新降落于地面。
聽起來好像不是什么難事,但其中卻是大有玄機。機智號直升機在另一顆星球表面的首次動力飛行,標志著人類在太空探索領域樹立起又一座新的里程碑。
雖然阿波羅11號航天器幾十年前就成功登陸了月球,但它在發(fā)射時只需要克服月球引力、重返地球環(huán)繞軌道即可。然而,火星的情況完全不同,要求我們在一個大氣密度僅為地球百分之一的環(huán)境下維持穩(wěn)定飛行。
而且請大家注意,機智號直升機的制造前后投入六年。只有我們認清了這架小小直升機中的復雜奧秘,才能理解為什么它的制造要耗費這么長時間。
在火星表面起飛,為什么如此重要?
在紅色星球上放飛直升機,會帶來一系列技術挑戰(zhàn)。首先也是最重要的一點,就是怎么為直升機提供足夠的升力。
直升機的葉片或者說“旋翼”必須通過極高的旋轉速度才能產(chǎn)生足夠的升力,但這里還有一個隱含的前提——一定的大氣密度。雖然火星上確有大氣層,但卻遠遠比地球大氣更稀薄。
換句話說,機智號在火星表面的飛行難度,相當于要在地球上10萬英尺的高度放飛直升機。作為參考,商用客機的飛行高度一般在地球表面3萬到4萬英尺之間,而大家熟悉的直升飛機最高飛行高度一般為42000英尺。
為了提前在地球環(huán)境下模擬起飛過程,研究人員需要建設一處加壓室,并從中抽掉大量空氣以還原火星環(huán)境。
再來看火星重力,其大約為地球重力的三分之一——這算是個難得的利好消息。如果忽略掉火星與地球在大氣密度方面的差異,那么只要重力較小,我們就能以更低的輸出功率讓機智號成功升空。
但很遺憾,火星重力的優(yōu)勢被稀薄的大氣輕易抵消,起飛難題仍然存在。
因此,機智號的順利升空除了具有偉大的歷史意義之外,同時也有重要的現(xiàn)實意義——代表著我們成功克服了以上種種難題。
先進制造
機智號可以通過兩種主要手段克服火星稀薄大氣帶來的挑戰(zhàn)。首先,為了產(chǎn)生升力,兩個碳纖維制成的旋翼必須保持遠超常規(guī)直升機的旋轉速度。
在地球上,大多數(shù)直升機與無人機的旋翼會保持每分鐘400到500轉的旋轉速度。而機智號的旋翼則將轉速速度提升至每分鐘2400轉。
此外,機智號還擁有獨特的機體與翼展比。盡管機智號的本體只有一個紙巾盒大小,但其翼展卻長達1.2米。
此外,就連通訊信號的發(fā)射都需要借助一系列先進技術。雖然在理論上,無線電信號只需要幾分鐘就能從地球傳遞至火星,但直升機要真正接收到信號仍要忍受長達幾小時的延遲。
沒錯,信號需要由地球上的計算機出發(fā),先后經(jīng)由衛(wèi)星天線、火星軌道探測飛行器、毅力號探測車、最后才抵達機智號直升機。
火星上的遙控飛行
機智號承載著重要的技術演示任務。簡而言之,機智號唯一的目標就是證明自己有能力完成一系列簡單任務。在接下來幾周內(nèi),這架輕的直升機還會進行三到四輪飛行,其中包括一輪極具冒險性的300米持續(xù)飛行計劃。
飛行期間產(chǎn)生的數(shù)據(jù)將通過收集分析,為后續(xù)更復雜的火星飛行器提供設計指導。因此看似簡單的機智號,實際是在為地外飛行器的設計研究新時代拉開序幕。
同樣重要的是,無人機與直升機天然擁有遠超傳統(tǒng)探測車的偵察能力,可以在火星表面提前核查區(qū)域情況、確認是否安全,而后再由火星探測車親自前往。這類飛行器甚至有望幫助人類在火星表面大范圍尋找水資源與生命跡象。
預計到2035年,第一批人類將正式登陸火星。作為技能儲備中的重要環(huán),他們將通過培訓了解如何在現(xiàn)場實時操作火星飛行器,調查一切可能造成人身、宇航服、飛行器或探測車損傷的風險因素。
敬畏過去,展望未來
為了向地球上的首次動力飛行致敬,NASA噴氣推進實驗室的科學家們還在機智號火星直升機上搭載了一份小小的“紀念品”——1903年萊特兄弟飛機上的一小塊機翼材料。這塊珍貴的材料,就藏在機智號一塊太陽能板下方的電纜處。
這是萊特兄弟的飛機材料被第二次帶入太空;當初的阿波羅飛行任務中,宇航員們就已經(jīng)將機翼材料帶上月球。
研究人員還在努力克服地外飛行帶來的其他障礙。蜻蜓號直升機已經(jīng)啟程,預計將于2034年抵達土星衛(wèi)星泰坦表面并嘗試飛行。
隨著我們對更多行星展開探索,人類史正緩緩翻開新的篇章。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結合大語言模型的敘事推理能力與音頻生成技術,通過交錯式推理生成、解耦橋接機制和漸進式訓練,能夠將復雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學聯(lián)合研發(fā)的VideoJAM技術,通過讓AI同時學習外觀和運動信息,顯著解決了當前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術僅需添加兩個線性層就能大幅提升運動質量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應用奠定了重要基礎。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質量樣本的訓練數(shù)據(jù)集和MM-AlignBench評測基準,通過創(chuàng)新的數(shù)據(jù)生成和質量管控方法,讓AI在保持技術能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預報,準確性超越傳統(tǒng)方法90%的指標。該模型采用圖神經(jīng)網(wǎng)絡技術,通過學習40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學領域帶來了效率和精度的雙重突破。