Alan Scott Encinas，一个单兵作战的开发者，最近干了一件听起来像NASA该干的事。他用虚幻引擎生成了9766个合成月球场景，训练了一个U-Net + ResNet-34模型，专门识别月球表面的着陆风险——小到碎石，大到岩石，再到天空背景，四类 hazard 分得清清楚楚。

测试 mIoU 0.8456，不算惊艳，但关键在下一步。他把这模型直接怼向真实的阿波罗任务照片和月球车影像，零 domain adaptation，居然没崩。换句话说，合成数据训练的模型，没经过任何真实月球照片的"补课"，就直接认出了真的月球长什么样。

Encinas 把这个项目叫 LunarSite，已经开源。「这是第一阶段，目标是月球南极着陆点选址。」他在 GitHub 上写得轻描淡写，但懂行的人知道，南极永久阴影区的着陆选址，是阿尔忒弥斯计划里最头疼的环节之一。

Streamlit 上的 demo 现在就能玩。上传一张月球表面图，模型会标出哪里能踩、哪里会崴脚。有用户在 demo 评论区试了一张自己的月球摄影，模型把一块阴影误判成了大岩石——Encinas 回复说，下一版会加光照增强训练。