อะไรทำให้ AI บนดาวเทียมแตกต่างออกไป
AI ภาคพื้นดินมักจะเริ่มต้นหลังจากการวัดถูกส่งไปยังศูนย์ข้อมูลแล้ว AI บนเครื่องบินทำหน้าที่ส่วนหนึ่งของการตีความภายในยานอวกาศ วิธีนี้สามารถช่วยได้เมื่อเพย์โหลดสร้างข้อมูลมากกว่าที่ลิงก์ดาวน์โหลดที่มีอยู่สามารถดำเนินการได้ หรือเมื่อมีประโยชน์ในการจัดลำดับความสำคัญของการสังเกตก่อนการสัมผัสภาคพื้นดินครั้งถัดไป
มันไม่ได้ขจัดความจำเป็นในการประมวลผลภาคพื้นดิน การฝึกอบรม การประเมินโดยอิสระ การวางแผนภารกิจ และการวิเคราะห์เชิงลึก โดยปกติจะยังคงอยู่ในภาคพื้นดิน โมเดลออนบอร์ดเป็นส่วนหนึ่งของไปป์ไลน์การวัดและการตัดสินใจที่ใหญ่กว่า
ไปป์ไลน์ การประมวลผลบนดาวเทียม ที่ใช้งานได้จริง
- รับและกำหนดเวลาข้อมูล จับภาพหรือการวัดด้วยการประทับเวลา การตั้งค่าเครื่องมือ และบริบทของยานอวกาศ
- ประมวลผลล่วงหน้าอย่างสม่ำเสมอ ใช้การปรับเทียบ การปรับขนาด การทำให้เป็นมาตรฐาน หรือการปูกระเบื้องตามที่โมเดลคาดหวัง ความแตกต่างจากไปป์ไลน์การฝึกอบรมสามารถเปลี่ยนผลลัพธ์ได้
- เรียกใช้การอนุมาน ดำเนินการโมเดลที่ปรับใช้บน CPU, FPGA หรือตัวเร่งความเร็วที่เหมาะสม วัดห่วงโซ่การประมวลผลที่สมบูรณ์ ไม่ใช่แค่เคอร์เนลโครงข่ายประสาทเทียม
- ใช้นโยบายการตัดสินใจ แปลงคะแนนโมเดลเป็นลำดับความสำคัญของคิว บันทึกเหตุการณ์ หรือภูมิภาคที่สนใจ รวมขีดจำกัดความเชื่อมั่นและทางเลือกที่กำหนดไว้
- จัดเก็บและส่ง เก็บข้อมูลที่เลือกไว้พร้อมข้อมูลเมตาและส่งในระหว่างหน้าต่างการสื่อสารตามกำหนดเวลา เก็บข้อมูลการตรวจสอบให้เพียงพอเพื่อประเมินการตัดสินใจในพื้นที่
ตัวอย่าง: การคัดกรองบนคลาวด์ก่อนดาวน์ลิงก์
โมเดลการคัดกรองบนคลาวด์สามารถให้คะแนนไทล์รูปภาพเพื่อให้การสังเกตที่ชัดเจนได้รับลำดับความสำคัญของดาวน์ลิงก์ที่สูงขึ้น การตัดสินใจทางวิศวกรรมไม่ใช่แค่ว่ากระเบื้องมีเมฆหรือไม่ แต่เมฆบาง หิมะ หลังคาสว่างไสว และแสงสว่างที่ผิดปกติสามารถสร้างกรณีที่คลุมเครือได้ ภารกิจจะต้องเลือกวิธีจัดการกับความไม่แน่นอนและจำนวนข้อมูลที่ไม่มีการกรองเพื่อเก็บรักษาไว้สำหรับการประเมิน
Φsat-2 CubeSat ของ ESA เป็นตัวอย่างที่แท้จริงของ AI บนเครื่องบินเพื่อการสังเกตการณ์โลก แอปพลิเคชันที่อธิบายไว้ ได้แก่ การตรวจจับคลาวด์ การบีบอัดรูปภาพ และการแปลงภาพเป็นแผนที่ นี่เป็นตัวอย่างภารกิจภายนอก ไม่ใช่การอ้างอิงเที่ยวบินของ Alvexis
รูปแบบการใช้งานอื่นๆ ที่เป็นประโยชน์
- จัดลำดับความสำคัญของภาพที่มีเหตุการณ์ด้านสิ่งแวดล้อมที่กำหนดพันธกิจเพื่อการตรวจสอบภาคพื้นดิน
- ระบุการเปลี่ยนแปลงระหว่างการสังเกตและแนบเมตาดาต้าแบบกระชับเข้ากับฉากที่เกี่ยวข้อง
- ตรวจสอบการวัดและส่งข้อมูลทางไกลของเครื่องมือเพื่อหาพฤติกรรมที่ผิดปกติและขอข้อมูลการวินิจฉัยเพิ่มเติม
- บีบอัดหรือเลือกข้อมูลในขณะที่วัดผลกระทบต่องานทางวิทยาศาสตร์หรือการปฏิบัติงานขั้นปลายน้ำ
งบประมาณด้านพลังงาน หน่วยความจำ และการสื่อสารต้องมาก่อน
เลือกโมเดลที่เหมาะกับภารกิจแทนที่จะเริ่มต้นด้วยโมเดลที่ใหญ่ที่สุดที่มีอยู่ ความเร็วในการประมวลผลจะต้องพิจารณาควบคู่ไปกับการเคลื่อนไหวของหน่วยความจำ บัฟเฟอร์ภาพ การเขียนที่จัดเก็บข้อมูล และพลังงานที่ใช้ต่อการสังเกต การอนุมานตามกำหนดการเฉพาะระหว่างช่วงเวลาการทำงานที่เหมาะสมอาจมีความสำคัญมากกว่าปริมาณงานสูงสุด
การประมาณการดาวน์ลิงก์ที่มีประโยชน์คือปริมาณข้อมูลที่เก็บไว้หารด้วยอัตราการสื่อสารที่มีประสิทธิผล บวกกับโปรโตคอลและค่าใช้จ่ายในการกำหนดเวลา การประมาณการการประมวลผลที่เป็นประโยชน์จะวัดพลังงานและเวลาแฝงสำหรับไปป์ไลน์ทั้งหมดโดยใช้ข้อมูลตัวแทน การประมาณการไม่สามารถแทนที่ด้วยการดำเนินการสูงสุดต่อวินาทีที่โฆษณาไว้ของเครื่องเร่งความเร็วได้
โมเดลควรได้รับการตรวจสอบอย่างไร?
ใช้ชุดข้อมูลการฝึกอบรมและการประเมินผลแยกกัน รวมถึงฤดูกาลที่ยากลำบาก สภาพแสงสว่าง และสิ่งประดิษฐ์ เซนเซอร์ ทดสอบรูปแบบโมเดลที่ใช้งานและความแม่นยำเชิงตัวเลขบนโปรเซสเซอร์ที่ต้องการ วัดการแจ้งเตือนที่ผิดพลาด เหตุการณ์ที่พลาด คุณภาพข้อมูลที่เก็บไว้ เวลาแฝง และพลังงานภายใต้โหมดการทำงานที่นำเสนอ
เอาต์พุต AI ควรผ่านลอจิกแอปพลิเคชันที่มีขอบเขต สำหรับฟังก์ชันที่สำคัญของยานอวกาศ คะแนนแบบจำลองไม่ควรข้ามการตรวจสอบคำสั่งที่ออกแบบโดยอิสระและสถาปัตยกรรมการป้องกันข้อบกพร่อง เก็บแพ็คเกจโมเดลที่มีเวอร์ชัน อิมเมจการกู้คืนที่ทราบว่าใช้งานได้ และกระบวนการอัพเดตที่มีการควบคุม
โดยที่ Alvexis สามารถมีส่วนร่วมได้
Alvexis สามารถกำหนดขอบเขตอุปกรณ์อิเล็กทรอนิกส์ในการประมวลผลเพย์โหลดแบบกำหนดเอง, อินเทอร์เฟซ เซนเซอร์, ซอฟต์แวร์ฝังตัว และการรวมต้นแบบรอบๆ เส้นทางข้อมูลภารกิจ การส่งมอบครั้งแรกควรเป็นสถาปัตยกรรมที่ตกลงร่วมกันและแผนต้นแบบที่สามารถวัดผลได้ คุณสมบัติการบินยังคงเฉพาะเจาะจงกับฮาร์ดแวร์ วงโคจร และภารกิจที่เลือก
การสื่อสารดาวเทียมและลดข้อมูลบนดาวเทียม
ความจุสื่อสาร ช่วงติดต่อ และพื้นที่เก็บข้อมูลบนดาวเทียมมีผลต่อข้อมูลที่ควรส่งก่อน Satcom และ Edge AI บนดาวเทียมจึงต้องมีนโยบายข้อมูลร่วมกัน ได้แก่ เก็บข้อมูลดิบพอประเมินการตัดสินใจประมวลผล ระบุเวอร์ชันโมเดล และกำหนดการทำงานเมื่อผลไม่แน่นอน
การประมวลผลในเครื่องอาจลดข้อมูลที่เลือกส่งลงพื้น แต่ต้องเทียบประโยชน์กับข้อจำกัดพลังงาน หน่วยความจำ และความร้อน การสื่อสารระหว่างดาวเทียมเพิ่มโจทย์อินเทอร์เฟซและตารางเวลา ยังต้องตรวจสอบเฉพาะภารกิจ ต้นแบบวิศวกรรมไม่ใช่หลักฐานรับรองพร้อมใช้งานในภารกิจบิน