एक प्रश्न उठता है: क्या कोई रोबोट ऐसे वातावरण में कार्य करना सीख सकता है जिसे उसने पहले कभी नहीं देखा है? पृथ्वी पर यह प्रश्न शायद ही कभी अंतिम उत्तर प्राप्त करता है, क्योंकि हमेशा वास्तविक डेटा का एक छोटा सेट होता है जिस पर भरोसा किया जा सकता है। सिमुलेशन में विफलता से रोबोट रीस्टार्ट हो सकता है, और गलत पकड़ को इंजीनियर ठीक कर सकता है। प्रत्येक परीक्षण चुपचाप उत्तर प्रकट करता है।
मंगल ग्रह पर ऐसी सुरक्षा प्रणाली नहीं है। सूर्य-पृथ्वी दूरी के माध्यम से भेजा गया कमांड लगभग 24 मिनट एक तरफ लेता है। इसलिए, रोबोट यह इंतजार नहीं कर सकता कि कोई व्यक्ति उसे संकेत दे या घर से ताज़ा डेटा प्रदान करे। उसे उस चीज़ के साथ काम करने के लिए मजबूर होना पड़ता है जो वह अपने साथ लाया है, उन चीजों के आधार पर ज्ञान को सामान्य बनाना जो उसने कभी नहीं देखी हैं, और तब भी काम जारी रखना जब आसपास का वातावरण प्रशिक्षण डेटासेट से मेल नहीं खाता है।
यही कारण है कि मंगल ग्रह रोबोटों को प्रशिक्षित करने के लिए एक प्रायोगिक वातावरण के रूप में कार्य करता है जिसे पृथ्वी पर दोहराया नहीं जा सकता है। यह समस्या 51WORLD शैली में स्थानिक बुद्धिमत्ता और डिजिटल ट्विन के दृष्टिकोण को प्रोत्साहित करती है। यदि दूसरे ग्रह पर वास्तविक दुनिया के लाखों प्रदर्शन भेजना संभव नहीं है, तो पहले इस वातावरण को सॉफ्टवेयर में बनाना आवश्यक है। पर्यावरण का डिजिटल ट्विन रोबोट को ऐसी जगह पर होने की अनुमति देता है जहाँ वह कभी नहीं गया था, केवल भाषा में एक कार्य प्राप्त करके, और याद की गई ट्रेजेक्टरी के बजाय मॉडल के आधार पर कार्य करता है।
बात सिमुलेशन को अधिक सुंदर बनाने की नहीं है, बल्कि इस बात की है कि समाधान रोबोट द्वारा निकाली गई संरचना पर निर्भर करें, न कि उन डेटा पर जिन्हें उसने पहले ही देखा है। जैसे ही ट्विन पर्याप्त विश्वसनीय हो जाता है, हम ईमानदारी से सामान्यीकरण के बारे में प्रश्न पूछ सकते हैं: रोबोट को एक अनदेखा कार्य, एक अनदेखा स्थान और रोलबैक की शून्य संभावना दें, और देखें कि क्या उसकी क्षमता स्थानांतरित होती है।
मंगल ग्रह की समस्या उन सभी सरलीकरणों को समाप्त करती है जो कई प्रणालियों को वास्तव में जितना वे हैं उससे बेहतर बनाते हैं। पृथ्वी पर प्रयोगशाला और वास्तविक क्षेत्र के बीच की सीमा पारगम्य है; यदि इसे हटा दिया जाए, तो सामान्यीकरण का सच्चा मूल रहता है: मॉडल के आधार पर अदृश्य दुनिया के बारे में तर्क करना, रोलबैक की संभावना के बिना कार्यों की लंबी श्रृंखला निष्पादित करना और स्वायत्त रूप से पुनर्प्राप्त करना जब धारणा और भौतिकी सेंटीमीटर में भिन्न होते हैं।
उद्योग की बाधा यह है कि कई रोबोट मॉडल एक निश्चित दृश्य में लगभग आदर्श सफलता प्राप्त करते हैं, लेकिन वस्तु या वातावरण में मामूली बदलाव आने पर विफल हो जाते हैं, - यह वही अंतर है जिसे मंगल ग्रह जैसी स्थापना उजागर करती है। इस तरह के ईमानदार परीक्षण मैदान का निर्माण अब शुद्ध विज्ञान कथा नहीं रहा है। चरम, कठोर वातावरण का उच्च-सटीकता वाला डिजिटल ट्विन मूर्त मौलिक मॉडल के साथ मिलकर शोधकर्ताओं को आज ही मंगल ग्रह की स्थितियों के अनुरूप सामान्यीकरण का अध्ययन करने की अनुमति देता है। यह मार्स रोवर डिजाइन करने के बारे में नहीं है; यह ऐसी स्थितियां बनाने के बारे में है जो रोबोट को एक पुनरावृत्त निष्पादक के बजाय एक वास्तविक हस्तांतरणीय कौशल वाले कर्मचारी के रूप में कार्य करने के लिए मजबूर करें। मंगल ग्रह इस प्रश्न को शुद्ध रखता है, जो पृथ्वी नहीं कर सकती, और डेटा के बिना रोबोट कैसे व्यवहार करता है, इस प्रश्न का उत्तर वह है जिसका यह क्षेत्र पीछा कर रहा है।
