Cara Kerja Edge AI di Satelit: Dari Data Sensor hingga Pengiriman ke Bumi

Apa yang membuat AI di satelit berbeda?

AI berbasis darat biasanya dimulai setelah pengukuran telah ditransmisikan ke pusat data. Onboard AI melakukan bagian dari interpretasi itu di dalam pesawat ruang angkasa. Ini dapat membantu ketika payload menghasilkan lebih banyak data daripada downlink yang tersedia dapat membawa, atau ketika itu berguna untuk memprioritaskan pengamatan sebelum kontak tanah berikutnya.

Hal ini tidak menghilangkan kebutuhan untuk pemrosesan tanah. Pelatihan, evaluasi independen, perencanaan misi dan analisis yang lebih mendalam biasanya tetap di lapangan. Model onboard adalah salah satu bagian dari pipa pengukuran dan keputusan yang lebih besar.

Sebuah pipa pemrosesan yang praktis

1. Dapatkan dan waktu data. Memantulkan gambar atau pengukuran dengan stempel waktu, pengaturan instrumen dan konteks pesawat ruang angkasa.
2. Preproses secara konsisten. Terapkan kalibrasi, perubahan ukuran, normalisasi atau tiling yang diharapkan oleh model. Perbedaan dari pipa pelatihan bisa mengubah hasil.
3. Jalankan inferensi. Jalankan model yang ditempatkan pada CPU, FPGA atau akselerator yang sesuai. Uji rantai proses yang lengkap, bukan hanya kernel jaringan saraf.
4. Terapkan kebijakan keputusan. Konversi skor model ke dalam prioritas baris tunggu, rekaman peristiwa atau wilayah yang menarik. Termasuk batas kepercayaan dan cadangan yang didefinisikan.
5. Simpan dan kirim. Pertahankan data yang dipilih dengan metadatanya dan kirimkannya selama jendela komunikasi yang dijadwalkan. Menyimpan data audit yang cukup untuk mengevaluasi keputusan di lapangan.

Contoh: pemindaian awan sebelum downlink

Model pemindaian awan dapat mencetak ubin gambar sehingga pengamatan yang jelas menerima prioritas downlink yang lebih tinggi. Keputusan teknik tidak hanya tentang apakah ubin mengandung awan: awan tipis, salju, atap terang dan pencahayaan yang tidak biasa dapat menciptakan kasus yang ambigu. Misi harus memilih bagaimana menangani ketidakpastian dan berapa banyak data yang tidak disaring untuk dipelihara untuk evaluasi.

Φsat-2 CubeSat ESA memberikan contoh nyata dari AI untuk pengamatan Bumi. Aplikasi yang dijelaskan termasuk deteksi awan, kompresi gambar dan mengubah gambar menjadi peta. Ini adalah contoh misi eksternal, bukan referensi penerbangan Alvexis.

Sumber: ESA — Introducing Φsat-2

Pola aplikasi berguna lainnya

• Prioritaskan gambar yang berisi peristiwa lingkungan yang didefinisikan misi untuk tinjauan lapangan.
• Identifikasi perubahan antara pengamatan dan lampirkan metadata kompak ke adegan yang relevan.
• Memantau telemetri instrumen untuk perilaku yang tidak biasa dan meminta data diagnostik tambahan.
• Kompres atau pilih data sementara mengukur efek pada tugas ilmiah atau operasi di bawah.

Daya, memori dan anggaran komunikasi datang pertama

Pilih model yang sesuai dengan misi daripada mulai dengan model terbesar yang tersedia. Kecepatan pemrosesan harus dipertimbangkan bersamaan dengan gerakan memori, buffer gambar, penyimpanan menulis dan energi yang digunakan per pengamatan. Menjadwalkan inferensi hanya selama jendela operasi yang sesuai mungkin lebih penting daripada puncak throughput.

Perkiraan downlink yang berguna adalah volume data yang tersimpan dibagi dengan tingkat komunikasi efektif, ditambah protokol dan overhead perencanaan. Perkiraan komputasi yang berguna mengukur energi dan latensi untuk seluruh pipa menggunakan data perwakilan. Perkiraan ini tidak bisa digantikan oleh operasi puncak per detik yang diiklankan oleh akselerator.

Bagaimana model ini harus divalidasi?

Gunakan pelatihan terpisah dan dataset evaluasi, termasuk musim sulit, kondisi pencahayaan dan artefak sensor. Uji format model yang ditempatkan dan presisi numerik pada prosesor yang diinginkan. Uji alarm palsu, peristiwa yang terlewatkan, kualitas data yang tersimpan, latensi dan energi di bawah mode operasi yang diusulkan.

Output AI harus melewati logika aplikasi yang dibatasi. Untuk fungsi kritis pesawat ruang angkasa, skor model tidak harus melewati validasi perintah yang dirancang secara independen dan arsitektur perlindungan kesalahan. Pelihara paket model versi, gambar pemulihan yang dikenal baik dan proses pembaruan yang terkontrol.

Dimana Alvexis dapat berkontribusi

Alvexis dapat mencakup elektronik pemrosesan muatan khusus, antarmuka sensor, perangkat lunak tertanam dan integrasi prototipe di sekitar jalur data misi. Hasil yang diharapkan pertama adalah sebuah arsitektur yang disepakati dan rencana prototipe yang dapat diukur. Kualifikasi penerbangan tetap spesifik untuk perangkat keras yang dipilih, orbit dan misi.