NASA e IBM liberam modelo aberto de IA para mapear a Lua
Modelo e conjunto de dados com ~2 milhões de imagens chegam ao Hugging Face; prometem acelerar mapeamento de crateras e estimativas de gelo, mas requerem validação independente
O Lunar Foundation Model, desenvolvido pela NASA em parceria com a IBM, e o conjunto de dados SomBench foram lançados em 10 de setembro de 2026 e estão disponíveis em código aberto no Hugging Face, com ferramentas no GitHub.
SomBench é um benchmark pronto para machine learning com cerca de 2 milhões de tiles de imagem alinhados. Ele combina mais de 30 conjuntos de dados espacialmente alinhados, obtidos por nove instrumentos em quatro missões, para reunir observações em múltiplas resoluções.
Segundo NASA e IBM, o modelo reduz erro ou aumenta a precisão em cerca de 22–23% em tarefas selecionadas quando comparado a baselines comuns. Ele pode igualar ou melhorar o mapeamento de crateras, a detecção de feições vulcânicas e estimativas de prospectividade de gelo, além de exigir menos exemplos rotulados para treinar.
A versão liberada inclui integração com a biblioteca TerraTorch e metadados explícitos de iluminação, para que o modelo lide com condições extremas de luz na superfície lunar. As agências alertam, porém, que os resultados são auxiliares de pesquisa e precisam de validação independente antes de serem usados em operações de missão.
O trabalho se apoia na família de modelos científicos Prithvi e foi treinado principalmente em 17 anos de dados do LRO (Lunar Reconnaissance Orbiter), complementados por dados das missões GRAIL, Lunar Prospector e SELENE, da JAXA. A próxima fase foca na adoção pela comunidade, fine‑tuning e testes específicos para missões.