Leichtgewichtige KI erkennt vom Weltraum aus Müll im Meer
Die Zahl der Satelliten in den Umlaufbahnen wächst schneller als die für den Download dieser Daten verfügbaren Bandbreiten. Um dafür Lösungen zu finden, lautet das Ziel des Projekts Edge SpAIce(öffnet in neuem Fenster), eine künstliche Intelligenz (KI) zu entwickeln und zu demonstrieren, die in der Lage ist, Erdbeobachtungsbildmaterial an Bord eines Satelliten zu analysieren und den Download auf die wertvollsten Daten zu beschränken. Das Team wählte die Erkennung von Meeresmüll zum Testfall. Doch laut Projektkoordinatorin Pauline Audenino, Oberprojektleiterin bei Agenium Space(öffnet in neuem Fenster) in Frankreich, birgt die zugrunde liegende Technologie weitaus breitere Anwendungsmöglichkeiten. Nach einem Notfall können beispielsweise nützliche Informationen bereits ermittelt werden, während sich der Satellit noch in der Umlaufbahn befindet, anstatt darauf zu warten, dass die Bilder zur Analyse zur Erde gesendet werden: „Ein Satellit überfliegt ein Katastrophengebiet und liefert umgehend Bildmaterial über die Veränderungen – was zerstört wurde und was nicht.“ Das Projekt brachte vier Partner mit sehr unterschiedlichem Fachwissen zusammen. Die Nationale Technische Universität Athen(öffnet in neuem Fenster) (NTUA) entwickelte und trainierte die KI-Modelle, während die das Projekt koordinierende Firma Agenium Space daran arbeitete, diese Modelle derart zu verkleinern, dass sie an Bord eines Satelliten laufen können. Die Großforschungseinrichtung CERN(öffnet in neuem Fenster) stellte die quelloffene Technologie bereit, die erforderlich war, um die Modelle an spezielle Rechenhardware anzupassen, und EnduroSat(öffnet in neuem Fenster) lieferte Satellitenbilder und leitete die Validierung im Orbit.
Reduzierte KI für kleine Räume
Die NTUA entwickelte ein tiefes neuronales Netzwerk unter Verwendung von markierten Satellitenaufnahmen. Das Modell wurde darauf trainiert, Müll im Meer zu erkennen und diesen von den vielen anderen Merkmalen in den Meeresbildern zu unterscheiden. Dem Team von Agenium Space gelang es, dieses neuronale Netzwerk (mit seinen mehr als neun Millionen Parametern) auf 1 % seiner ursprünglichen Größe zu reduzieren. Ungeachtet dieser drastischen Reduzierung konnte das schlankere Modell weiterhin den Meeresmüll genau erkennen, wobei Fehlalarme vermieden wurden. Nachdem das gesamte bordseitige Erkennungspaket auf eine Größe von etwa einem Megabyte reduziert worden war, wurde es auf BALKAN 1 hochgeladen und dort in Form einer erfolgreichen Ende-zu-Ende-Demonstration der Bildaufnahme ausgeführt, unmittelbar gefolgt von bordseitiger Verarbeitung.
Europäische Weltraumkapazitäten aufbauen
„Das andere Ziel, das ausschließlich am Boden verfolgt wurde, bestand darin, eine eigenständige europäische Platine zu verwenden“, berichtet Audenino. NanoXplore ist derzeit Europas einziger Hersteller von FPGA-Schaltkreisen (Field-Programmable Gate Array) in Weltraumqualität, rekonfigurierbaren Hardware-Chips, die das Rückgrat der Satellitencomputer bilden. Um KI auf dieser Hardware auszuführen, wird jedoch auch geeignete Software gebraucht. Das Team von Edge SpAIce erweiterte das quelloffene HLS4ML-Framework des CERN(öffnet in neuem Fenster), um diese Technologie zu unterstützen, und führte in Bodentests mit Erfolg ein kleines neuronales Netzwerk auf dem NG-Ultra-Chip von NanoXplore aus. Neben den technischen Ergebnissen stellte das Konsortium seine Arbeit in Form von Veröffentlichungen und auf internationalen Konferenzen vor, während ausgewählte Partner Anträge für ein neues Horizont-Europe-Projekt mit dem Titel ALMAGEST einreichten, um die Arbeit von Edge SpAIce weiter voranzubringen. Bislang hat das Projekt gezeigt, dass tiefe neuronale Netzwerke nicht unbedingt am Boden bleiben müssen. Erhalten Satelliten mehr Autonomie bei der Interpretation ihrer Beobachtungen, könnten Erdbeobachtungssysteme schneller auf Krisen reagieren und auf diese Weise greifbare Vorteile am Boden erzielt werden.
