Kako AI transformiše svemirska istraživanja: Od detekcije oblaka do autonomnog sletanja

Svemirske misije danas moraju da zadovolje konstantno sve veća očekivanja za veći obim i kvalitetne podatke kako bi informisale aktivnosti kao što su klimatske studije, vremenska prognoza, geospatijalno mapiranje i ublažavanje katastrofa. Takođe raste interesovanje za misije u dublji svemir koje bi mogle da drže ključeve dugoročne budućnosti čovečanstva i još veće razumevanje šireg univerzuma.

Generalno, današnja svemirska vozila nose sisteme sa većim performansama; primeri uključuju satelite za daljinsko senziranje koji hvataju fotografije i video zapise u sve većoj rezoluciji i sa većim frejmrejtom ili uzorkovanje većeg broja multispektralnih i hiperspektralnih kanala za obradu slika.

Međutim, dok je razvoj aplikacija za analizu držao korak sa rastućim apetitom za podacima, propusni opsezi data-downlinka uglavnom nisu. Veći skupovi podataka podrazumevaju produženje razmene sa kopnenim kontrolnim stanicama. Jednostavno, nema dovoljno vremena za to kada su odluke koje su rezultat analize podataka potrebne ponekad čak i u realnom vremenu.

Foto: Tanjug/AP

Da bi se ublažili izazovi sporih propusnih opsega veza sa podacima, veći broj sistema procesiranja brojeva prelazi u svemirske sisteme. Međutim, ovo zahteva mnogo moćnije računarske tovare u letelici, podizanje potražnje za energijom i snagom, kao i povećanje mase tereta: kojima se sve mora pažljivo upravljati prilikom dizajniranja satelita i svemirskih vozila.

On-board AI sistemi

On-board AI „compute engines“ predstavljaju rešenje koje omogućava računarsku efikasnost i nisko-potrošni inferensing za filtriranje senzorskih podataka i smanjenje vremena provedenog na downlinku.

Sposobnost autonomnog donošenja odluka u svemiru je u najmanju ruku unapređenje misije, a u nekim slučajevima i omogućavanje misije. Na primer, sateliti za posmatranje Zemlje počinju da koriste AI za otkrivanje prisustva oblaka na uhvaćenim vizuelnim slikama. Ako je površinski detalj zaklonjen oblakom, slika može biti beskorisna, a u tom slučaju može biti odbačena i neće trošiti memoriju za skladištenje ili propusni opseg veze.

U bezbednosnim aplikacijama, gde objekti na zemljinoj površini treba da se identifikuju u realnom vremenu, AI prepoznavanje objekata može brzo da razlikuje između, recimo, komercijalnih brodova i vojnih pomorskih brodova kako bi se ubrzalo vreme odziva i eliminisali dugi ciklusi analize ljudi u petlji.

Štaviše, u svemirskim letelicama koje su dizajnirane da slete na planete ili asteroide, vreme kašnjenja u komunikaciji isključuje daljinsko upravljanje operacijom sletanja sa Zemlje. On-board AI omogućava vozilu da detektuje održiva mesta za sletanje autonomno u realnom vremenu.

Takođe se pojavljuje interesovanje za korišćenje AI tehnologije za praćenje celokupnog zdravlja sistema na satelitima i svemirskim letelicama otkrivanjem anomalija u izmerenim parametrima kao što su struje, naponi, temperatura, mehanički soj i vibracije. To može da omogući otkrivanje kvarova u realnom vremenu i rano upozoravanje, negirajući potrebu za ciklusima analize ljudi u petlji koji mogu da potraju danima ili nedeljama.

Međunarodna svemirska stanica... Foto: Tanjug/Roscosmos/AP

S obzirom na to da složeni savremeni satelit može imati nekoliko hiljada telemetrijskih kanala, AI omogućava analizu svih kanala u realnom vremenu, dok samo podskup telemetrijskih kanala može biti dostupan za ljudsku analizu na terenu.

Život u svemiru

Kako "space AI" postaje sve prožimajući, industrija zahteva isplativa rešenja za inferenciju. Postoje razni načini implementacije AI inferencije u ugrađenim sistemima.

Uobičajeni pristup je korišćenje namenskih DSP resursa koji su često integrisani u uređaje za proračunavanje kao što su FPGA, GPU, TPU i specijalizovani ASIC čipovi. Uređaji kao što je AMD Versal™ AI Core adaptivni SoC-ovi sa integrisanim AI motorima (AIE) dizajnirani su da mnogo efikasnije primenjuju operacije množenja koje zahtevaju neuronske mreže.

Međutim, izazovi pripreme sistema za život u svemiru nikada ne nestu. Svemirski sistemi su skupi i kada se jednom lansiraju ne mogu se popraviti. Stoga su osiguranje kvaliteta i pouzdanosti kritične. Takođe je dobro poznato da svemir predstavlja veoma surovo okruženje za zračenje mikroelektronike, a komercijalni delovi mogu da iskuse iznenadne destruktivne efekte radijacije kao i postepeno pogoršanje performansi i curenje struje (ukupni jonizujući efekti doze).

Foto: AMD

AMD klasa B kvalifikacija i protok testova u proizvodnji zasnovani su na specifikaciji američkog Ministarstva odbrane MIL-PRF-38535 klase B za kvalifikaciju i testiranje monolitnih integrisanih kola. Kvalifikacija je prilagođena za naprednu organsku ambalažu koju zahtevaju svemirski proizvodi kao što su AMD XQR Versal AI Core adaptivni SOC-ovi, dopunjujući ogromnu količinu informacija o kvalitetu i pouzdanosti koje su već prikupljene na ovim delovima u ekstremnim temperaturnim okruženjima.

Uređaji su takođe sertifikovani za efekte radijacije sa mnoštvom testova koji ih izlažu protonima, teškim jonima i gama zračenju. Na taj način se štiti kontinuitet svemirskih sistema pomoću ovih uređaja i omogućava organizacijama koje ih primenjuju da reprogramira hardver nakon upotrebe i primene neophodnih ispravki "Over the Air" (OTA).

Konačno, dugovečnost je problem. Proizvođačima satelita je potrebna podrška na proizvodima ponekad godinama nakon lansiranja, do tada su mnoge komercijalne mikroelektronične komponente dostigle zastarelost i prekid. AMD odgovara na ove zahteve sa svojim timom specijalizovanih inženjera kvaliteta i pouzdanosti, adaptivni SoC testirani i karakterisani za efekte radijacije, a proizvodnja i podrška komponenti za ocenu prostora nastavljena je dugi niz godina nakon uvođenja.

Ubrzanje misije

I dok su se mogućnosti satelitskih i svemirskih senzora drastično povećavale, propusni opseg downlink-a se nije povećavao tako brzo. AI je održiv način da se smanji potražnja za ograničenim propusnim opsegom downlink-a, a da se istovremeno omogući mnogo brže – u nekim slučajevima u realnom vremenu – donošenje odluka pomoću podataka koje su dobili satelitski senzori. Može se efikasno implementirati u adaptivne SOC-ove koji obezbeđuju namenske adaptivne AI motore.

(Telegraf.rs/Ken O'Nil, arhitekta svemirskih sistema, AMD)