Un sistema di intelligenza artificiale leggero individua i rifiuti marini dallo spazio
Il numero di satelliti in orbita sta aumentando più rapidamente della larghezza di banda disponibile per scaricare tali dati. Per ovviare a tale problema, Edge SpAIce(si apre in una nuova finestra) si è prefissata di sviluppare e dimostrare un sistema di IA in grado di analizzare le immagini di osservazione della Terra (OT) a bordo di un satellite, limitando i download ai dati più preziosi. Il team ha scelto l’identificazione dei rifiuti marini come caso di studio. Tuttavia, secondo la coordinatrice del progetto Pauline Audenino, direttrice senior di progetto presso Agenium Space(si apre in una nuova finestra), in Francia, la tecnologia alla base di tale progetto presenta applicazioni molto più ampie. All’indomani di un’emergenza, ad esempio, è possibile individuare informazioni utili mentre il satellite si trova ancora in orbita, anziché attendere che le immagini vengano inviate sulla Terra per essere analizzate: «Un satellite sorvola un’area colpita da un disastro e fornisce tempestivamente immagini dei cambiamenti: ciò che è stato distrutto e ciò che invece è rimasto intatto.» Il progetto ha riunito quattro partner con competenze molto diverse tra loro. Il Politecnico nazionale di Atene(si apre in una nuova finestra) (NTUA) ha sviluppato e addestrato i modelli di intelligenza artificiale, mentre il coordinatore del progetto, Agenium Space, si è occupato di ridimensionare tali modelli affinché potessero funzionare a bordo di un satellite. Il CERN(si apre in una nuova finestra) ha fornito la tecnologia open source necessaria per adattare i modelli a hardware informatico specializzato, mentre EnduroSat(si apre in una nuova finestra) ha fornito le immagini satellitari e ha guidato la validazione in orbita.
Restringere l’IA per motivi di spazio
NTUA ha sviluppato una rete neurale profonda (DNN) utilizzando immagini satellitari etichettate. Il modello è stato addestrato a riconoscere i rifiuti marini, distinguendoli dalle numerose altre caratteristiche presenti nelle immagini oceaniche. Il team di Agenium Space è riuscito a ridurre questa rete neurale (contenente oltre 9 milioni di parametri) all’1 % delle sue dimensioni originali. Nonostante la drastica riduzione, il modello leggero è comunque riuscito a identificare con precisione i rifiuti marini, evitando al contempo i falsi positivi. Il pacchetto completo di rilevamento a bordo, la cui dimensione è stata ridotta a circa un megabyte, è stato caricato ed eseguito sul BALKAN 1, consentendo una dimostrazione end-to-end di successo dell’acquisizione delle immagini, seguita immediatamente dall’elaborazione a bordo.
Sviluppo delle capacità spaziali europee
«L’altro obiettivo, da perseguire esclusivamente a terra, era quello di avvalersi di un comitato europeo sovrano», afferma Audenino. NanoXplore è attualmente l’unico costruttore europeo di array di porte programmabili sul campo (FPGA) di grado spaziale, ossia chip hardware riconfigurabili che costituiscono la spina dorsale dei computer satellitari. Tuttavia, l’esecuzione di sistemi di intelligenza artificiale su questo hardware richiede anche un software adeguato. Edge SpAIce ha esteso il framework open source HLS4ML del CERN(si apre in una nuova finestra) per supportare tale tecnologia, riuscendo a far funzionare con successo una piccola rete neurale sul chip NG-Ultra di NanoXplore nel corso di test a terra. Oltre ai risultati tecnici, il consorzio ha diffuso il proprio lavoro attraverso pubblicazioni e conferenze internazionali, mentre alcuni partner selezionati hanno presentato domanda per un nuovo progetto nell’ambito di Orizzonte Europa, denominato ALMAGEST, al fine di sviluppare ulteriormente il lavoro di Edge SpAIce. Per il momento, il progetto ha dimostrato che le reti neurali profonde non devono necessariamente rimanere a terra. Dare ai satelliti una maggiore autonomia nell’interpretazione di ciò che osservano potrebbe aiutare i sistemi OT a rispondere più rapidamente alle crisi, apportando benefici tangibili sul campo.
