Mitől más a műholdon lévő MI?
A földi MI általában a mérések adatközpontba történő továbbítása után indul el. A fedélzeti MI végzi el az értelmezés egy részét az űrhajón belül. Ez akkor lehet hasznos, ha a hasznos teher több adatot hoz létre, mint amennyit a rendelkezésre álló letöltési kapcsolat képes szállítani, vagy ha hasznos egy megfigyelés prioritását a következő földi kapcsolat előtt.
Ez nem szünteti meg a földi feldolgozás szükségességét. A képzés, a független értékelés, a missziótervezés és a mélyrehatóbb elemzés általában a helyszínen marad. A fedélzeti modell egy nagyobb mérési és döntési folyamat egyik része.
Gyakorlati fedélzeti adatfeldolgozási folyamat
- Az adatok rögzítése és időzítése. Képek vagy mérések rögzítése időbélyegzőkkel, műszerbeállításokkal és űrhajókontextussal.
- Egységes előfeldolgozás. A modell által elvárt kalibrálás, átméretezés, normalizálás vagy csempe alkalmazása. A képzés folyamatától való eltérések megváltoztathatják az eredményt.
- Inferencia futtatása. A telepített modellt megfelelő CPU-n, FPGA-n vagy gyorsítón hajtsa végre. Mérje a teljes feldolgozási láncot, ne csak a neurális hálózat kerneljét.
- Alkalmazzon döntési házirendet. A modellpontszámok átalakítása várólista-prioritássá, eseményrekorddá vagy érdeklődési területté. Tartalmazza a megbízhatósági határértékeket és a meghatározott tartalék.
- Tárolás és továbbítás. Megőrzi a kiválasztott adatokat a metaadatokkal együtt, és továbbítja őket az ütemezett kommunikációs ablakban. Megőrizni elegendő audit adatot a döntések helyszíni értékeléséhez.
Példa: felhő szűrés downlink előtt
A felhő-szűrő modell képes a képcsempéket úgy pontozni, hogy a tiszta megfigyelések magasabb downlink prioritást kapjanak. A mérnöki döntés nem egyszerűen arról szól, hogy egy csempe tartalmaz-e felhőt: vékony felhő, hó, fényes tetők és szokatlan megvilágítás kétértelmű eseteket hozhat létre. A küldetésnek el kell döntenie, hogyan kezelje a bizonytalanságot és mennyi szűretlen adatot tartson meg értékelésre.
Az ESA Φsat-2 CubeSat műholdja a fedélzeti mesterséges intelligencia valódi példája a Föld megfigyelésében. A leírt alkalmazások közé tartozik a felhőérzékelés, a képtömörítés és a képek térképekké való átalakítása. Ez egy külső küldetés példa, nem egy Alvexis repülés referencia.
Forrás: ESA — Bemutatkozik a Φsat-2
Egyéb hasznos alkalmazási minták
- A küldetés által meghatározott környezeti eseményt tartalmazó képek prioritása a földi felülvizsgálathoz.
- Azonosítsa a megfigyelések közötti változásokat, és csatolja a megfelelő jelenetekhez a kompakt metaadatokat.
- Figyelje a műszer telemetriáját a szokatlan viselkedésekre, és kérjen további diagnosztikai adatokat.
- Az adatok tömörítése vagy kiválasztása a további tudományos vagy operatív feladatokra gyakorolt hatás mérése közben.
A teljesítmény, a memória és a kommunikáció költségvetése az első
Válasszon olyan modellt, amely megfelel a küldetésnek, ahelyett, hogy a legnagyobb elérhető modellel kezdene. A feldolgozási sebességet a memóriamozgás, a képpufferek, a tárolóírás és a megfigyelésenként felhasznált energia mellett kell figyelembe venni. A következtetés ütemezése csak a megfelelő működési ablakok alatt többet számíthat, mint a csúcsteljesítmény.
A letöltési kapcsolat becsült hasznos mennyisége a megtartott adatmennyiség osztva a tényleges kommunikációs sebességgel, plusz a protokoll és az ütemezési költségekkel. Egy hasznos számítási becslés a teljes csővezeték energiáját és késleltetését méri reprezentatív adatok felhasználásával. Egyik becslést sem lehet helyettesíteni egy gyorsító meghirdetett másodpercenkénti csúcsműveleteivel.
Hogyan kell a modellt validálni?
Különálló edzési és értékelési adatkészleteket használhat, beleértve a nehéz évszakokat, a fényviszonyokat és az érzékelők hibáit. Teszteld a telepített modell formátumát és numerikus pontosságát a tervezett processzoron. Mérje a téves riasztásokat, a kihagyott eseményeket, a megtartott adatminőséget, a késleltetést és az energiát a javasolt üzemmódok alatt.
A kimeneteknek át kell esniük a korlátozott alkalmazási logikán. Az űrhajó számára kritikus funkciók esetében a modell pontszáma nem kerülheti meg a függetlenül tervezett parancs érvényesítési és hibavédelmi architektúrát. Tartson fenn verziószámozott modellcsomagokat, jól ismert helyreállítási képeket és ellenőrzött frissítési folyamatot.
Hol tud az Alvexis segíteni
Az Alvexis testreszabott hasznos teher-feldolgozó elektronikát, érzékelő interfészeket, beágyazott szoftvereket és prototípus-integrációt kínál a küldetés adatútvonalán. Az első teljesítménynek egy elfogadott architektúrának és egy mérhető prototípus-tervnek kell lennie. A repülési minősítés továbbra is a kiválasztott hardver, pálya és küldetés specifikus.
Műholdas kommunikáció és fedélzeti adatcsökkentés
A műholdas kommunikáció kapacitása, a kapcsolati időablakok és a fedélzeti tárhely befolyásolják a mérések továbbítási sorrendjét. A műholdas kommunikáció és a fedélzeti Edge AI ezért közös adatkezelési szabályokat igényel: elegendő nyers adat megőrzését a feldolgozási döntések értékeléséhez, a modellverzió azonosítását és a bizonytalan eredmény kezelésének meghatározását.
A helyi feldolgozás csökkentheti a földre továbbítandó adatmennyiséget, de előnyét mérlegelni kell a teljesítményfelvétel, memória és hőtechnika korlátaihoz képest. A műholdak közötti kommunikáció újabb interfészt és ütemezési feladatot ad hozzá. A küldetésre szabott ellenőrzés továbbra is szükséges; egy mérnöki prototípus nem igazolja az űrrepülési alkalmasságot.