Ce face ca AI-ul pe un satelit să fie diferit?
AI-ul la sol începe de obicei după ce măsurătorile au fost transmise către un centru de date. AI-ul de la bord efectuează o parte din această interpretare în interiorul navei spațiale. Acest lucru poate ajuta atunci când sarcina utilă produce mai multe date decât poate transporta legătura descendentă disponibilă sau când este util să se acorde prioritate unei observații înainte de următorul contact la sol.
Nu elimină necesitatea prelucrării la sol. Formarea, evaluarea independentă, planificarea misiunii și analiza mai aprofundată rămân în mod normal pe teren. Modelul de la bord este o parte dintr-o conductă mai mare de măsurare și decizie.
O conductă de procesare la bord practică
- Achiziționați și cronometrați datele. Capturaţi imagini sau măsurători cu marcaje temporale, setări ale instrumentului şi contextul navei spaţiale.
- Preprocesați în mod consecvent. Aplicați calibrarea, redimensionarea, normalizarea sau tiling-ul așteptat de model. Diferențele față de procesul de antrenament pot schimba rezultatul.
- Executați inferența. Executați modelul implementat pe un procesor CPU, un FPGA sau un accelerator adecvat. Măsurați întregul lanț de procesare, nu doar nucleul rețelei neuronale.
- Aplicați o politică de decizie. Convertiți scorurile modelului într-o prioritate de coadă, o înregistrare de eveniment sau o regiune de interes. Includeți limite de încredere și o rezervă definită.
- Stocați și transmiteți. Păstrați datele selectate cu metadatele sale și transmiteți-le în timpul ferestrei de comunicare programate. Păstrați suficiente date de audit pentru a evalua deciziile pe teren.
Exemplu: screeningul cloud înainte de downlink
Un model de screening al norilor poate scoate imagini astfel încât observațiile clare să primească o prioritate mai mare în downlink. Decizia inginerească nu este pur și simplu dacă o țiglă conține un nor: norul subțire, zăpada, acoperișurile luminoase și iluminarea neobișnuită pot crea cazuri ambigue. Misiunea trebuie să aleagă cum să gestioneze incertitudinea și cât de multe date nefiltrate să păstreze pentru evaluare.
CubeSat-ul ESA Φsat-2 oferă un exemplu real de inteligență artificială la bord pentru observarea Pământului. Aplicațiile sale descrise includ detectarea norilor, comprimarea imaginilor și conversia imaginilor în hărți. Acesta este un exemplu de misiune externă, nu o referință de zbor Alvexis.
Sursa: ESA — Introducerea satelitului Φsat-2
Alte modele de aplicare utile
- Prioritizaţi imaginile care conţin un eveniment de mediu definit de misiune pentru revizuirea la sol.
- Identificați modificările dintre observații și atașați metadate compacte la scenele relevante.
- Monitorizaţi telemetria instrumentului pentru comportament neobişnuit şi solicitaţi date de diagnosticare suplimentare.
- Comprimați sau selectați datele în timp ce măsurați efectul asupra sarcinii științifice sau operaționale din aval.
Bugetul pentru energie, memorie și comunicații este pe primul loc
Alegeți un model care se potrivește misiunii, mai degrabă decât să începeți cu cel mai mare model disponibil. Viteza de procesare trebuie luată în considerare alături de mișcarea memoriei, bufferele de imagine, scrierile de stocare și energia utilizată per observație. Programarea inferenței numai în timpul ferestrelor de operare adecvate poate conta mai mult decât randamentul de vârf.
O estimare utilă a legăturii descendente este volumul de date reținut împărțit la rata efectivă de comunicație, plus costurile de protocol și de programare. O estimare utilă de calcul măsoară energia și latența pentru întreaga conductă utilizând date reprezentative. Niciuna dintre estimări nu poate fi înlocuită de operațiunile de vârf pe secundă ale unui accelerator.
Cum ar trebui validat modelul?
Utilizaţi seturi separate de date de instruire şi evaluare, inclusiv anotimpuri dificile, condiţii de iluminare şi artefacte ale senzorilor. Testați formatul modelului implementat și precizia numerică pe procesorul dorit. Măsuraţi alarmele false, evenimentele ratate, calitatea datelor reţinute, latenţa şi energia în modurile de funcţionare propuse.
Ieșirile AI ar trebui să treacă prin logica aplicației limitate. Pentru funcțiile critice ale navei spațiale, un scor de model nu ar trebui să ocolească validarea comenzii proiectate independent și arhitectura de protecție împotriva defecțiunilor. Păstrați pachete model cu versiuni, imagini de recuperare cunoscute și un proces de actualizare controlat.
Unde poate contribui Alvexis
Alvexis poate oferi electronice personalizate de procesare a sarcinii utile, interfețe pentru senzori, software încorporat și integrare a prototipurilor în jurul căii de date a misiunii. Primul rezultat ar trebui să fie o arhitectură convenită și un plan prototip măsurabil. Calificarea zborului rămâne specifică hardware-ului selectat, orbitei și misiunii.
Comunicații prin satelit și reducerea datelor la bord
Capacitatea de comunicație, ferestrele de contact și stocarea la bord influențează ordinea transmiterii măsurătorilor. Comunicațiile prin satelit și Edge AI la bord necesită, așadar, o politică comună a datelor: păstrarea unui volum suficient de date brute pentru evaluarea deciziilor de procesare, identificarea versiunii modelului și definirea comportamentului pentru rezultate incerte.
Procesarea locală poate reduce volumul datelor selectate pentru transmisia spre sol, dar avantajul trebuie echilibrat cu limitele de putere, memorie și temperatură. Comunicația între sateliți adaugă o interfață și o problemă de planificare. Verificarea specifică misiunii rămâne necesară; un prototip de inginerie nu dovedește calificarea pentru zbor.