¿Qué hace que la IA en un satélite sea diferente?
La IA basada en tierra generalmente comienza después de que las mediciones se hayan transmitido a un centro de datos. La IA a bordo realiza parte de esa interpretación dentro de la nave espacial. Esto puede ser útil cuando la carga útil produce más datos de los que el enlace descendente disponible puede transportar, o cuando es útil priorizar una observación antes del próximo contacto con tierra.
No elimina la necesidad de procesamiento en tierra. La capacitación, la evaluación independiente, la planificación de las misiones y los análisis más profundos normalmente se mantienen sobre el terreno. El modelo integrado es una parte de un proceso de medición y toma de decisiones más amplio.
Una práctica tubería de procesamiento a bordo
- Adquirir y cronometrar los datos. Capture imágenes o mediciones con marcas de tiempo, ajustes de instrumentos y contexto de la nave espacial.
- Preprocese de manera consistente. Aplique la calibración, el cambio de tamaño, la normalización o el mosaico esperados por el modelo. Las diferencias con el flujo de entrenamiento pueden cambiar el resultado.
- Ejecute la inferencia. Ejecute el modelo desplegado en una CPU, FPGA o acelerador adecuado. Mida la cadena de procesamiento completa, no solo el núcleo de la red neuronal.
- Aplicar una política de decisión. Convierta las puntuaciones del modelo en una prioridad de cola, un registro de eventos o una región de interés. Incluya límites de confianza y una opción de respaldo definida.
- Almacenar y transmitir. Retener los datos seleccionados con sus metadatos y transmitirlos durante la ventana de comunicación programada. Preserve suficientes datos de auditoría para evaluar las decisiones sobre el terreno.
Ejemplo: cribado de nube antes del enlace descendente
Un modelo de cribado de nubes puede puntuar los mosaicos de imagen para que las observaciones claras reciban una prioridad de enlace descendente más alta. La decisión de ingeniería no es simplemente si una baldosa contiene una nube: nubes finas, nieve, techos brillantes e iluminación inusual pueden crear casos ambiguos. La misión debe elegir cómo manejar la incertidumbre y cuántos datos sin filtrar retener para la evaluación.
El CubeSat Φsat-2 de la ESA es un ejemplo real de IA a bordo para la observación de la Tierra. Sus aplicaciones descritas incluyen la detección de nubes, la compresión de imágenes y la conversión de imágenes en mapas. Este es un ejemplo de misión externa, no una referencia de vuelo de Alvexis.
Fuente: ESA — Presentación de Φsat-2
Otros patrones de aplicación útiles
- Priorice las imágenes que contengan un evento ambiental definido por la misión para su revisión en el terreno.
- Identifique los cambios entre observaciones y adjunte metadatos compactos a las escenas relevantes.
- Monitoree la telemetría del instrumento para detectar comportamientos inusuales y solicite datos de diagnóstico adicionales.
- Comprima o seleccione datos mientras mide el efecto en la tarea científica u operativa posterior.
Los presupuestos de energía, memoria y comunicación son lo primero
Elija un modelo que se adapte a la misión en lugar de comenzar con el modelo más grande disponible. La velocidad de procesamiento debe considerarse junto con el movimiento de memoria, los búferes de imagen, las escrituras de almacenamiento y la energía utilizada por observación. La programación de la inferencia solo durante ventanas de operación adecuadas puede ser más importante que el rendimiento máximo.
Una estimación útil de enlace descendente es el volumen de datos retenido dividido por la tasa de comunicación efectiva, más la sobrecarga de protocolo y programación. Una estimación de cálculo útil mide la energía y la latencia para la canalización completa utilizando datos representativos. Ninguna de estas estimaciones puede ser reemplazada por las operaciones pico por segundo anunciadas por un acelerador.
¿Cómo se debe validar el modelo?
Utilice conjuntos de datos de entrenamiento y evaluación separados, incluidas las estaciones difíciles, las condiciones de iluminación y los artefactos de los sensores. Pruebe el formato del modelo implementado y la precisión numérica en el procesador previsto. Mida las falsas alarmas, los eventos perdidos, la calidad de los datos retenidos, la latencia y la energía en los modos de operación propuestos.
Las salidas de IA deben pasar a través de la lógica de aplicación delimitada. Para las funciones críticas de la nave espacial, una puntuación de modelo no debe eludir la validación de comandos diseñada independientemente y la arquitectura de protección contra fallas. Mantenga paquetes de modelos con versiones, imágenes de recuperación de buena reputación y un proceso de actualización controlado.
Donde Alvexis puede contribuir
Alvexis puede ofrecer electrónica personalizada para el procesamiento de cargas útiles, interfaces de sensores, software integrado e integración de prototipos en torno a la ruta de datos de la misión. El primer producto debe ser una arquitectura acordada y un plan prototipo mensurable. La calificación de vuelo sigue siendo específica del hardware, la órbita y la misión seleccionados.
Comunicación por satélite y reducción de datos a bordo
La capacidad de comunicación, las ventanas de contacto y el almacenamiento a bordo condicionan qué mediciones deben transmitirse primero. Por ello, la comunicación satelital y la IA en el borde a bordo necesitan una política común: conservar suficientes datos brutos para evaluar las decisiones de procesamiento, identificar la versión del modelo y definir qué ocurre ante un resultado incierto.
El procesamiento local puede reducir el volumen seleccionado para el enlace descendente, pero hay que equilibrar ese beneficio con las restricciones de energía, memoria y temperatura. La comunicación entre satélites añade otra interfaz y un problema de planificación. Sigue siendo necesaria una verificación específica de la misión; un prototipo de ingeniería no demuestra cualificación para vuelo.