NASA-JPL_Customer-Reference_Logo

NASA 喷气推进实验室案例研究

2014 年

NASA 的 Jet Propulsion Laboratory (JPL) 已开发出全地形六支架外星球探索 (ATHLETE) 机器人。作为一种多用途的交通工具,ATHLETE 的六个机械臂均附着在车轮上,使车辆可以穿越各种地形 – 从光滑的地面、起伏的丘陵到粗犷陡峭的地形。而且,还可以锁定车轮,将机械臂变成可以用作机械足的常规的腿。ATHLETE 机器人也可以用于装货、卸货和长距离货物运输。

开始 python 教程
kr_quotemark

“在具有 30 个集群计算实例的集群上,AWS 的资源只需不到两个小时便可完成工作。与以前的实施相比,这体现了显著的改善。”

Khawaja Shams
NASA/JPL 高级解决方案架构师

挑战

作为沙漠研究和训练研究 (D-RATS) 的一部分,NASA/JPL 结合其他 NASA 中心的机器人对 ATHLETE 机器人进行年度实地测试。在驱动机器人的同时,操作员可以依赖高分辨率的卫星图像,获取指导、定位和态势感知。为了简化卫星图像的处理,NASA/JPL 的工程师们开发了一个利用工作流并行特性的应用程序。NASA/JPL 依赖 Amazon Web Services (AWS) 完成此项工作。

为什么选择 Amazon Web Services

该应用程序构建在 Polyphony 之上;Polyphony 是一个模块化的工作流协调框架,旨在简化 Amazon Elastic Compute Cloud (Amazon EC2) 上数百个节点的使用过程。通过在本地机器上存储过剩容量并在超级计算中心存储备用资源,Polyphony 与 AWS 云完美结合。最为重要的是,Polyphony 能够将各种资源融合在一起以实现共同目标。通过使用 Amazon Simple Queue Service (Amazon SQS),NASA/JPL 开发人员甚至只需编写一个类,即可在 Amazon EC2 上部署大量计算。

NASA/JPL 之前曾使用 Polyphony 来验证在 Amazon EC2 环境中处理数十万小型图像时云计算的效用。然而,NASA/JPL 已采用了集群计算环境来处理大型图像,并且最近处理了 3.2 千兆像素的图像来支持 ATHLETE 机器人在 2010 年 D-RATS 现场测试中的操作。高级Solutions Architect Khawaja Shams 报告称:“在具有 30 个集群计算实例的集群上,AWS 的资源只需不到两个小时便可完成工作。与以前的实施相比,这体现了显著的改善。”

优势

除了能支持 ATHLETE 机器人之外,Polyphony 还会被送到火星科学实验室用作主要的数据处理和交付管道,以处理从火星上下载的数据。Shams 解释道,该应用程序“可使我们在几小时内花费不到 200 USD 便能在 AWS 上处理近 20 万张 Cassini 图像”。 Shams 解释说,在迁移到 AWS 之前,由于内部缺乏弹性,“我们只能在本地使用单一机器,并且需要花费 15 天以上的时间来处理同一项任务”。 实践证明,AWS 可提供很高的效率和巨大的成本节约。


关于 NASA Jet Propulsion Laboratory

NASA 的 Jet Propulsion Laboratory (JPL) 已开发出全地形六支架外星球探索 (ATHLETE) 机器人。 

AWS 的优势

  • 以不到 200 USD 的价格处理 20 万张卡西尼号的图像
  • 将图像处理时间从 15 天缩短到数小时

使用的 AWS 服务

Amazon EC2

Amazon Elastic Compute Cloud (Amazon EC2) 是一种 Web 服务,可以在云中提供安全并且可调整大小的计算容量。该服务旨在让开发人员能够更轻松地进行 Web 规模的云计算。

了解更多 »

Amazon SQS

Amazon Simple Queue Service (SQS) 是一种完全托管的消息队列服务,可让您解耦和扩展微服务、分布式系统和无服务器应用程序。

了解更多 »


开始使用

各行各业中所有规模的公司都在使用 AWS 对其日常业务进行转型。联系我们的专家,立即踏上您的 AWS 云之旅。