Hva gjør AI på en satellitt annerledes?
Bakkebasert AI starter vanligvis etter at målinger er overført til et datasenter. Onboard AI utfører en del av den tolkningen inne i romfartøyet. Dette kan hjelpe når nyttelasten produserer mer data enn den tilgjengelige nedkoblingen kan bære, eller når det er nyttig å prioritere en observasjon før neste bakkekontakt.
Det fjerner ikke behovet for grunnforedling. Opplæring, uavhengig evaluering, oppdragsplanlegging og dypere analyser forblir normalt på bakken. Ombordmodellen er en del av en større måle- og beslutningspipeline.
En praktisk prosessrørledning om bord
- Innhent og tid dataene. Ta bilder eller målinger med tidsstempler, instrumentinnstillinger og romfartøyskontekst.
- Forbehandle konsekvent. Påfør kalibrering, endring av størrelse, normalisering eller flislegging som forventes av modellen. Forskjeller fra treningspipeline kan endre resultatet.
- Kjør slutning. Kjør den utplasserte modellen på en passende CPU, FPGA eller akselerator. Mål hele prosesseringskjeden, ikke bare den nevrale nettverkskjernen.
- Bruk en beslutningspolicy. Konverter modellpoeng til en køprioritet, en hendelsespost eller et område av interesse. Inkluder konfidensgrenser og et definert fallback.
- Lagre og overføre. Behold de valgte dataene med sine metadata og overfør dem under det planlagte kommunikasjonsvinduet. Ta vare på nok revisjonsdata til å evaluere beslutninger på stedet.
Eksempel: skyscreening før nedlink
En sky-screening-modell kan score bildefliser slik at tydelige observasjoner får høyere prioritet for nedlink. Den tekniske avgjørelsen er ikke bare om en flis inneholder en sky: tynn sky, snø, lyse tak og uvanlig belysning kan skape tvetydige tilfeller. Oppdraget må velge hvordan usikkerhet skal håndteres og hvor mye ufiltrert data som skal beholdes for evaluering.
ESAs Φsat-2 CubeSat gir et ekte eksempel på ombord AI for jordobservasjon. Dens beskrevne applikasjoner inkluderer skydeteksjon, bildekomprimering og konvertering av bilder til kart. Dette er et eksternt oppdragseksempel, ikke en Alvexis flyreferanse.
Kilde: ESA — Introduserer Φsat-2
Andre nyttige bruksmønstre
- Prioriter bilder som inneholder en oppdragsdefinert miljøhendelse for bakkegjennomgang.
- Identifiser endringer mellom observasjoner og legg ved kompakte metadata til de aktuelle scenene.
- Overvåk instrumenttelemetri for uvanlig oppførsel og be om ytterligere diagnostiske data.
- Komprimer eller velg data mens du måler effekten på den nedstrøms vitenskapelige eller operasjonelle oppgaven.
Strøm-, minne- og kommunikasjonsbudsjetter kommer først
Velg en modell som passer oppdraget i stedet for å begynne med den største modellen som er tilgjengelig. Behandlingshastighet må vurderes sammen med minnebevegelse, bildebuffere, lagringsskriving og energien som brukes per observasjon. Planlegging av konklusjoner bare under passende driftsvinduer kan ha større betydning enn maksimal gjennomstrømning.
Et nyttig nedlink-estimat er det beholdte datavolumet delt på den effektive kommunikasjonshastigheten, pluss protokoll- og planleggingsoverhead. Et nyttig beregningsestimat måler energi og latens for hele rørledningen ved å bruke representative data. Ingen av estimatene kan erstattes av en akselerators annonserte toppoperasjoner per sekund.
Hvordan skal modellen valideres?
Bruk separate opplærings- og evalueringsdatasett, inkludert vanskelige årstider, belysningsforhold og sensorartefakter. Test utplassert modellformat og numerisk presisjon på den tiltenkte prosessoren. Mål falske alarmer, tapte hendelser, beholdt datakvalitet, latens og energi under de foreslåtte driftsmodusene.
AI-utganger skal passere gjennom avgrenset applikasjonslogikk. For romfartøyskritiske funksjoner bør en modellpoeng ikke omgå den uavhengig utformede kommandovaliderings- og feilbeskyttelsesarkitekturen. Behold versjonerte modellpakker, kjente gode gjenopprettingsbilder og en kontrollert oppdateringsprosess.
Hvor Alvexis kan bidra
Alvexis kan omfatte tilpasset nyttelastbehandlingselektronikk, sensorgrensesnitt, innebygd programvare og prototypeintegrasjon rundt oppdragsdatabanen. Den første leveransen bør være en avtalt arkitektur og en målbar prototypeplan. Flykvalifisering forblir spesifikk for den valgte maskinvaren, banen og oppdraget.
Satellittkommunikasjon og datareduksjon om bord
Kapasitet for satellittkommunikasjon, kontaktmuligheter og lagring om bord påvirker hvilke målinger som bør sendes først. Satcom og edge AI om bord trenger derfor en felles datapolicy: bevar tilstrekkelige rådata til å vurdere behandlingsbeslutninger, identifiser modellversjonen og definer hva som skjer ved usikre resultater.
Lokal behandling kan redusere datamengden som velges for nedlink, men gevinsten må veies mot strøm-, minne- og varmebegrensninger. Kommunikasjon mellom satellitter tilfører enda et grensesnitt og en planleggingsoppgave. Oppdragsspesifikk verifikasjon er fortsatt nødvendig; en teknisk prototype dokumenterer ikke flykvalifikasjon.