Las redes generativas antagónicas (GAN) han tenido tremendas aplicaciones en visión artificial. Sin embargo, en el contexto de la ciencia espacial y la exploración planetaria, la puerta está abierta para avances importantes. Presentamos herramientas para manejar datos planetarios de la misión Chang'E-4 y presentamos un marco para la transferencia de estilo neuronal utilizando la coherencia de ciclo de imágenes renderizadas. También presentamos una nueva canalización en tiempo real para localización y mapeo simultáneos (SLAM) y odometría inercial visual (VIO) en el contexto de los rovers planetarios. Aprovechamos la información previa de la ubicación del módulo de aterrizaje para proponer un enfoque SLAM a nivel de objeto que optimiza la pose y la forma del módulo de aterrizaje junto con las trayectorias de la cámara del rover. Como paso de perfeccionamiento adicional, proponemos utilizar técnicas de interpolación entre muestras temporales adyacentes; videlicet sintetiza imágenes inexistentes para mejorar la precisión general del sistema. Los experimentos se realizan en el contexto del Iris Lunar Rover, un nano-rover que se desplegará en terreno lunar en 2021 como buque insignia de Carnegie Mellon, siendo el primer rover no tripulado de América en pisar la Luna.