Come funziona l’IA sui satelliti: dai sensori alla trasmissione a terra

Cosa rende l’IA su un satellite diversa?

L'IA basata sul terreno di solito inizia dopo che le misurazioni sono state trasmesse a un data center. L’intelligenza artificiale a bordo esegue parte di questa interpretazione all’interno della navicella spaziale. Questo può essere utile quando il payload produce più dati di quanti il downlink disponibile possa trasportare, o quando è utile dare la priorità a un'osservazione prima del prossimo contatto a terra.

Non elimina la necessità di lavorazione a terra. La formazione, la valutazione indipendente, la pianificazione della missione e le analisi più approfondite restano normalmente sul campo. Il modello onboard è una parte di una più ampia pipeline di misurazione e decisione.

Una pratica pipeline di elaborazione a bordo

1. Acquisire e cronometrare i dati. Acquisisci immagini o misurazioni con timestamp, impostazioni dello strumento e contesto dell'astronave.
2. Preelaborare in modo coerente. Applicare la calibrazione, il ridimensionamento, la normalizzazione o la ripartizione in riquadri previsti dal modello. Le differenze rispetto alla pipeline di formazione possono modificare il risultato.
3. Eseguire l'inferenza. Eseguire il modello distribuito su una CPU, FPGA o acceleratore adatto. Misura l'intera catena di elaborazione, non solo il kernel della rete neurale.
4. Applicare una policy decisionale. Converti i punteggi del modello in una priorità di coda, un record di eventi o una regione di interesse. Includere limiti di confidenza e un fallback definito.
5. Archiviare e trasmettere. Conservare i dati selezionati con i relativi metadati e trasmetterli durante la finestra di comunicazione pianificata. Conservare dati di audit sufficienti per valutare le decisioni sul campo.

Esempio: cloud screening prima del downlink

Un modello di cloud-screening può assegnare un punteggio alle immagini in modo che le osservazioni chiare ricevano una priorità di downlink più elevata. La decisione ingegneristica non è semplicemente se una tessera contiene una nuvola: nuvole sottili, neve, tetti luminosi e illuminazione insolita possono creare casi ambigui. La missione deve scegliere come gestire l'incertezza e quanti dati non filtrati conservare per la valutazione.

Il CubeSat Φsat-2 dell’ESA fornisce un esempio reale di IA a bordo per l’osservazione della Terra. Le sue applicazioni descritte includono il rilevamento delle nuvole, la compressione delle immagini e la conversione delle immagini in mappe. Questo è un esempio di missione esterna, non un riferimento di volo Alvexis.

Fonte: ESA — Presentazione di Φsat-2

Altri modelli di applicazione utili

• Priorizzare le immagini contenenti un evento ambientale definito dalla missione per la revisione a terra.
• Identifica i cambiamenti tra le osservazioni e allega metadati compatti alle scene pertinenti.
• Monitorare la telemetria dello strumento per comportamenti insoliti e richiedere dati diagnostici aggiuntivi.
• Comprimi o seleziona i dati mentre ne misuri l'effetto sull'attività scientifica o operativa a valle.

Budget per potenza, memoria e comunicazione al primo posto

Scegli un modello che si adatti alla missione piuttosto che iniziare con il modello più grande disponibile. La velocità di elaborazione deve essere considerata insieme al movimento della memoria, ai buffer delle immagini, alle scritture di archiviazione e all'energia utilizzata per osservazione. Pianificare l'inferenza solo durante le finestre operative adatte può essere più importante del picco di throughput.

Una stima utile del downlink è il volume di dati conservato diviso per la velocità di comunicazione effettiva, più il protocollo e l'overhead di pianificazione. Un'utile stima di calcolo misura l'energia e la latenza per l'intera pipeline utilizzando dati rappresentativi. Nessuna delle due stime può essere sostituita dalle operazioni di picco al secondo pubblicizzate da un acceleratore.

Come dovrebbe essere convalidato il modello?

Utilizza set di dati separati per l'addestramento e la valutazione, comprese le stagioni difficili, le condizioni di illuminazione e gli artefatti dei sensori. Testare il formato del modello implementato e la precisione numerica sul processore previsto. Misura falsi allarmi, eventi mancati, qualità dei dati conservati, latenza ed energia nelle modalità operative proposte.

Gli output dell'IA dovrebbero passare attraverso una logica di applicazione limitata. Per le funzioni critiche per le navicelle spaziali, un punteggio di modello non dovrebbe bypassare la convalida dei comandi progettata in modo indipendente e l'architettura di protezione dai guasti. Mantieni pacchetti di modello versionati, immagini di ripristino note e un processo di aggiornamento controllato.

Dove Alvexis può contribuire

Alvexis può fornire elettronica personalizzata per l'elaborazione del carico utile, interfacce per sensori, software embedded e integrazione di prototipi intorno al percorso dei dati della missione. Il primo risultato dovrebbe essere un’architettura concordata e un piano prototipo misurabile. La qualificazione di volo rimane specifica per l'hardware, l'orbita e la missione selezionati.