IBM e a NASA divulgaram, em 10 de setembro de 2026, um modelo de inteligência artificial de código aberto chamado NASA-IBM Lunar Foundation Model, disponível no Hugging Face, destinado a auxiliar a exploração lunar na era Artemis. Segundo a Engadget, o modelo se destaca na identificação de gelo e crateras na superfície lunar, superando o baseline SwinV2‑B em acurácia e usando menos dados de treinamento.
Desempenho na detecção de gelo e crateras
Segundo a Engadget, o NASA-IBM Lunar Foundation Model reduziu os erros em 23 % na tarefa de identificar áreas com possível gelo quando comparado ao modelo SwinV2‑B, usado como baseline em análises de imagem.
O mesmo teste mostrou que o modelo superou o SwinV2‑B em 19 % na classificação de crateras, apesar de ter sido treinado com metade dos dados utilizados pelo concorrente, conforme relatado pela Engadget.
O NASA Science acrescenta que o modelo foi projetado para ajudar pesquisadores a transformar a maneira como analisam a superfície lunar, facilitando a extração de informações úteis para missões futuras.
Desafios de treinamento e solução adotada
Segundo a Engadget, o diretor do IBM Research Europa, Dr. Juan Bernabé‑Moreno, explicou que as sombras na Lua são “facas‑afiad‑e‑pretas”, sem luz difusa, o que retira informações dos pixels e dificulta o aprendizado tradicional de visão computacional.
Ele contou que a abordagem padrão — remover partes de uma imagem e pedir ao modelo que reconstrua o que faltou — resultou em um “desastre completo” ao tentar aprender crateras lunares, pois muitas delas se parecem quando vistas de órbita.
Para contornar o problema, a equipe dividiu a superfície lunar em gomos, semelhante a uma laranja, separando totalmente os conjuntos usados para treinamento dos reservados para teste, permitindo que o modelo visse variações suficientes sem sobrepor dados.
Validação com evento real e disponibilidade de dados
A Engadget relata que, em 5 de agosto de 2026, um foguete Falcon 9 da SpaceX colidiu com a Lua; ao alimentar a imagem do impacto ao modelo, ele identificou corretamente o novo cratera, apesar de sobrepor‑se a uma existente, acertando na primeira tentativa.
Segundo o TechRadar, além do modelo, a IBM disponibilizou petabytes de dados lunares para que pesquisadores possam treinar suas próprias versões, ampliando o acesso ao conjunto de informações coletadas pelas missões.
O NASA Science destaca que a colaboração entre a agência e a IBM faz parte de um esforço contínuo para levar a inteligência artificial ao centro da ciência lunar, apoiando a próxima geração de exploração da Artemis.
