Andy Garcia · dev freelance
FRENES
Volver al blog
Ciencia y Datos

La NASA publicó 800 GB de datos lunares de Artemis II. Las grabaciones de la tripulación que clasificó primero pesan 0,7 GB

19 de octubre de 2026 7 min de lectura

El miércoles 7 de octubre, la NASA publicó lo que llama el conjunto completo de datos científicos lunares de Artemis II, el vuelo tripulado que rodeó la Luna el 6 de abril. Más de 800 gigabytes entraron en el Planetary Data System, el archivo público de la NASA para misiones planetarias: más de 11.000 imágenes y vídeos a resolución completa de las cámaras de mano de la tripulación y de las cámaras de Orion, 8,5 horas de audio de la tripulación describiendo la superficie lunar, e imágenes anotadas por la tripulación. La NASA lo llama "el primer conjunto de datos de ciencia planetaria captado principalmente por humanos en más de medio siglo".

Los titulares fueron a los 800 gigabytes, a las imágenes y a los cinco destellos de impacto. Yo fui al papeleo. Tres documentos acompañan los datos: un Informe científico lunar preliminar (134 páginas), un Informe de operaciones de ciencia lunar (54 páginas) y una Guía de usuario de los datos científicos lunares (63 páginas).

Soy CTO de una LegalTech construida sobre Claude, y construí BidForge, una IA que lee expedientes de contratación pública franceses para pequeñas empresas. Las dos viven de paquetes de documentos que alguien más ensambló. Un paquete sin guía es un montón. Este se lee como una plantilla para quien publique un conjunto de datos, una exportación o una API.

Un paquete, con plazo y con revisor

La publicación no se metió a última hora. El informe preliminar dice que la sede de la NASA exigió al equipo de ciencia lunar cuatro publicaciones en los seis meses posteriores a la misión, además del archivo: los dos informes, la guía de usuario y un plan de ciencia abierta y gestión de datos. El amerizaje fue a las 00:07 UTC del 11 de abril. El 7 de octubre queda 179 días después.

La guía de usuario tiene un registro de cambios. La versión 1.0-PR se envió a la revisión por pares del PDS el 20 de julio, siguió una entrega revisada el 25 de septiembre, y la versión 1.0 salió con los datos. Los revisores del PDS leyeron la guía y el archivo antes que el público, y los agradecimientos los nombran.

Cada paquete tiene un DOI y una cita ya redactada. La ficha del paquete de las cámaras de la tripulación incluye a los cuatro astronautas entre sus autores. La guía da direcciones de contacto, un enlace a una API de búsqueda para el acceso programático, y una advertencia: sus propias URL "no son inmutables y pueden cambiar en el futuro".

El valor no es el volumen

El informe de operaciones tiene una tabla de todo lo que recibió el equipo científico: 11.591 archivos, 814,51 GB. De eso, 598,20 GB son 22 archivos de vídeo de una sola cámara en un ala de paneles solares, grabados en tierra en un formato de difusión. La guía añade que convertirlos a MP4 para el archivo los redujo de forma sustancial.

Los datos que el equipo clasificó primero son el audio que la tripulación grabó en sus tabletas durante el sobrevuelo. Todo el audio de tableta que recibió el equipo suma 53 archivos y 0,70 GB. El informe de operaciones da dos razones para ese orden. Esas grabaciones podían alimentar la conferencia científica del día siguiente con la tripulación, y las tabletas eran más susceptibles al daño por radiación que las tarjetas de las cámaras. El informe preliminar añade que no existía ninguna copia de seguridad.

Las comunicaciones ópticas funcionaron, a unos 60 Mbps frente a unos 2 Mbps en banda S, y el equipo recibió casi 114 GB durante la misión. Pero la lista de prioridades se escribió antes del lanzamiento, para el caso de que ese ancho de banda nunca llegara.

Ese es el primer hábito que copiaría: ordena tus datos por lo que no puedes recrear y por lo que necesita la próxima decisión, no por tamaño.

Los límites están en la página

La guía no vende de más. Las cámaras eran comerciales. La única caracterización previa al vuelo es un modelo de distorsión de lente para las dos Nikon D5, no se hizo calibración de color, y "no se ha aplicado ninguna calibración" a las imágenes archivadas. El informe preliminar dice que las imágenes tomadas por cámaras distintas en el mismo momento "no deben usarse para una comparación cuantitativa directa de las propiedades de la superficie".

Enumera las trampas que un usuario encontraría por su cuenta. Los números de ID de la NASA siguen el orden en que los archivos se recibieron y catalogaron, no necesariamente el orden en que se tomaron; para ordenar por tiempo, lee el campo start_date_time. Las horas de la cámara de acoplamiento son estimaciones que "pueden estar desfasadas 5 minutos o más". Los archivos de audio de las tabletas incrustan la hora en que terminó una grabación, no cuándo empezó. En partes del sobrevuelo, incluido el eclipse, el vídeo en directo bajó a 5 fotogramas por segundo por falta de ancho de banda, y los fotogramas que faltan nunca se grabaron.

También dice qué falta. Las imágenes del iPhone aún se estaban preparando cuando se escribió la guía. El 19 de octubre, la página de PDS Geosciences seguía describiendo el paquete de navegación (SPICE) como retrasado.

Muchos equipos de software tienen en su historial un error de ID frente a marca de tiempo. Esta guía lo desactiva en un párrafo.

Las máquinas hicieron la primera pasada, y la guía lo dice

Dos tipos de contenido del archivo vienen de modelos, y ambos están etiquetados.

Las transcripciones se generaron con whisperX, un paquete de código abierto de reconocimiento de voz, con el modelo large-v2, y luego el equipo las revisó y corrigió. La guía nombra los errores comunes (accidentes lunares y nombres de tripulantes mal escritos) y dice que las etiquetas de hablante se añadieron a mano. Una nota advierte que los saltos de línea vienen del reconocimiento de patrones del habla, "no de humanos".

Las ubicaciones de las imágenes vienen de un pipeline de recuperación que cualquier ingeniero de IA reconocerá. Se dividió un mapa base lunar en teselas y se incrustó en una base de datos vectorial; cada foto de la tripulación se incrustó con el mismo modelo, se recuperaron las teselas más cercanas y luego se emparejaron punto por punto. Existen puntos de control para 3.687 imágenes Nikon de la Luna, de 10.339 imágenes Nikon en total. El informe preliminar dice que solo cerca del 30 por ciento de las imágenes de la tripulación pudieron georreferenciarse, y da tres razones: la hipótesis de transformación afín, la iluminación dura y un disco lunar demasiado pequeño en los planos amplios. Las cifras no coinciden del todo entre los documentos: el mapa de huellas del mismo informe cubre 3.687 imágenes (cerca del 35 por ciento), el de la guía cubre 3.101 (cerca del 30 por ciento). La guía señala la precisión perdida al emparejar sobre imágenes reducidas y conserva los puntos de control en bruto para quien quiera rehacer la transformación.

Yo verifico mis propios posts con un modelo como juez, y sus avisos todavía reciben una segunda lectura antes de publicar nada. Mismo patrón aquí, con una diferencia que importa en un conjunto de datos público: las correcciones están documentadas.

Un clic de obturador como reloj

El párrafo más práctico trata del tiempo. Para vincular lo que decía una astronauta con la foto que tomaba, el equipo usó marcas de tiempo y, como pista adicional, el sonido de los obturadores, que el informe dice que son "fácilmente audibles por encima del ruido ambiente de la cabina". Las anotaciones de la tripulación no llevan ninguna marca de tiempo. Se vinculan a bloques de observación y se sitúan en el tiempo escuchando el audio.

Las recomendaciones que siguen valen para cualquier producto con registros de varios dispositivos: mantén las marcas de tiempo sincronizadas entre todos los sistemas, y graba de forma pasiva en lugar de pedir a gente ocupada que pulse inicio y parada.

Lo que los datos aún no muestran

El informe preliminar es lo que dice su nombre. Documenta la discusión inicial de las observaciones de la tripulación y espera que el retorno científico "siga ampliándose" a medida que otros trabajen con los datos.

Los cinco destellos de impacto son relatos de la tripulación, hechos durante el eclipse de 54 minutos. La NASA dice que el equipo descartó los rayos cósmicos y los reflejos de la nave, y que la tripulación "probablemente captó los más tenues jamás vistos a simple vista", de rocas de no más de unas pocas pulgadas de ancho. El único vídeo grabado a bordo durante el sobrevuelo, unos dos minutos a 30 fotogramas por segundo, no captó ninguno, aunque cubría un periodo limitado. El informe dice que el conjunto de datos más sólido sobre los destellos es el propio recuento, y que los cráteres resultantes son probablemente demasiado pequeños para que la cámara del Lunar Reconnaissance Orbiter los resuelva.

Los colores son otro caso. Como ninguna imagen se calibró, el informe dice que el análisis de color es "necesariamente cualitativo", y que las descripciones verbales de la tripulación son los datos primarios. La conclusión del informe califica las observaciones de la tripulación, junto con los datos de las cámaras de Orion, como "el conjunto de datos orbitales de la Luna adquirido por humanos más completo desde Apolo". Es una afirmación sobre la cobertura, no un resultado.

Lo que copiaría el lunes

Si publicas un conjunto de datos, una exportación o una API pública, la guía de Artemis II sirve también de lista de comprobación:

  1. Una guía versionada con registro de cambios, leída antes de la publicación por alguien ajeno al equipo.
  2. Los problemas conocidos cerca del principio: qué está sin calibrar, es aproximado o falta.
  3. Una frase sobre qué campo ordena los registros, sobre todo cuando los ID no lo hacen.
  4. Lo bruto junto a lo procesado, con los comandos exactos de conversión (la guía imprime sus líneas de ffmpeg y GDAL).
  5. Los campos generados por máquina etiquetados, con lo que los humanos corrigieron.
  6. Un identificador estable, una línea de cita y una dirección de contacto.

Las fotos se llevarán la atención. Las 63 páginas son lo que hace utilizables los 800 GB.

Fuentes

¿Un proyecto del mismo estilo?

Diseño y despliego productos como este. Hablemos.

Hablemos