Lekka sztuczna inteligencja wykrywa odpady w morzu z kosmosu
Liczba satelitów na orbicie rośnie szybciej niż przepustowość łączy używanych do przesyłania zgromadzonych danych na Ziemię. Aby temu zaradzić, zespół projektu Edge SpAIce(odnośnik otworzy się w nowym oknie) podjął się opracowania i zademonstrowania modelu sztucznej inteligencji (AI) zdolnego do analizowania obrazów z obserwacji Ziemi (EO) na pokładzie satelity, ograniczając tym samym pobieranie danych do tych najbardziej wartościowych. Zespół wybrał identyfikację odpadów morskich jako przypadek testowy. Jednak według koordynatorki projektu Pauline Audenino, starszej dyrektor ds. projektów w firmie Agenium Space(odnośnik otworzy się w nowym oknie) we Francji, technologia ta może znaleźć znacznie więcej zastosowań. Na przykład przydatne informacje dotyczące następstw sytuacji kryzysowych można zidentyfikować, gdy satelita wciąż znajduje się na orbicie, zamiast czekać na przesłanie zdjęć na Ziemię do analizy: „Satelita przelatuje nad obszarem dotkniętym katastrofą i natychmiast dostarcza zdjęcia przedstawiające zmiany – zarówno zniszczenia, jak i obszary, które ocalały ze zniszczeń”. W projekcie wzięło udział czterech partnerów o bardzo zróżnicowanej wiedzy specjalistycznej. Zespół National Technical University of Athens(odnośnik otworzy się w nowym oknie) (NTUA) opracował i wyszkolił modele sztucznej inteligencji, podczas gdy koordynator projektu, firma Agenium Space, pracowała nad zmniejszeniem rozmiarów tych modeli tak, aby mogły działać na pokładzie satelity. CERN(odnośnik otworzy się w nowym oknie) udostępnił technologię open source niezbędną do dostosowania modeli do specjalistycznego sprzętu obliczeniowego, a firma EnduroSat(odnośnik otworzy się w nowym oknie) dostarczyła zdjęcia satelitarne i kierowała walidacją na orbicie.
Zmniejszenie rozmiarów modeli AI z myślą o ograniczonej przestrzeni kosmicznej
Zespół z NTUA opracował głęboką sieć neuronową (DNN), wykorzystując oznaczone zdjęcia satelitarne. Model został wyszkolony do rozpoznawania odpadów morskich, tak aby odróżniał je od wielu innych elementów widocznych na zdjęciach oceanicznych. Zespołowi z Agenium Space udało się zredukować tę sieć neuronową (zawierającą ponad 9 milionów parametrów) do 1% jej pierwotnego rozmiaru. Pomimo tak radykalnej redukcji ten lekki model nadal potrafił dokładnie identyfikować odpady morskie, unikając jednocześnie fałszywych alarmów. Po zmniejszeniu rozmiaru kompletnego pakietu wykrywania na pokładzie do około jednego megabajta, został on przesłany i uruchomiony na satelicie BALKAN 1, co pozwoliło z powodzeniem zademonstrować cały proces – od pozyskania obrazu po natychmiastowe przetwarzanie na pokładzie.
Budowanie europejskich zdolności kosmicznych
„Kolejnym celem, realizowanym w całości na Ziemi, było wykorzystanie suwerennej europejskiej infrastruktury”, mówi Audenino. NanoXplore jest obecnie jedynym europejskim producentem matryc bramek programowalnych (FPGA) klasy kosmicznej – rekonfigurowalnych układów sprzętowych, które stanowią podstawę komputerów satelitarnych. Jednak uruchomienie AI na tym sprzęcie wymaga również odpowiedniego oprogramowania. Badacze z projektu Edge SpAIce rozszerzyli środowisko open source HLS4ML opracowane przez CERN(odnośnik otworzy się w nowym oknie) w celu obsługi tej technologii, z powodzeniem uruchamiając niewielką sieć neuronową na układzie NG-Ultra firmy NanoXplore podczas testów naziemnych. Oprócz wyników technicznych konsorcjum upubliczniło wyniki swoich prac w publikacjach i podczas międzynarodowych konferencji, a wybrani partnerzy złożyli wnioski o nowy projekt w ramach programu „Horyzont Europa” – ALMAGEST – w celu kontynuowania prac nad rozwiązaniami Edge SpAIce. Na razie projekt wykazał, że sieci DNN nie muszą pozostawać na Ziemi. Zapewnienie satelitom większej autonomii w interpretacji tego, co widzą, mogłoby pomóc systemom obserwacji Ziemi szybciej reagować na sytuacje kryzysowe, przynosząc wymierne korzyści na Ziemi.
