はじめに
衛星搭載AI（オンボード推論）は、地球観測衛星が直面する「帯域幅のボトルネック」を根本的に解決する技術だ。ESA Φsat-2はIntel Myriad X VPUを搭載した6U CubeSatとして、軌道上でリアルタイムにAI推論を実行し、不要な画像データを地球に送らずに分析結果のみを送信することに成功した。ダウンリンク量を最大90%削減しながら雲検出・火災検知を実証したこのミッションは、2020年代後半のオンボードAI標準化の礎を築いた。
帯域幅のボトルネック：地球への送信限界
ダウンリンクとデータ量の不均衡
現代の地球観測衛星は驚異的な観測能力を持つ。ESAのSentinel-2は10mの空間分解能で地表全域を5日ごとに撮影し、毎日約1.6TBのデータを生成する。Copernicus計画全体では毎日12TB以上が生成されており、この数字は年々拡大し続けている。
しかし問題は地上への伝送能力だ。典型的な低軌道衛星（LEO）では、地上局との通信機会は1回の軌道周回で約10分間。Xバンド通信では最大300〜500 Mbpsのダウンリンクレートが実現できるが、1日のデータ生成量（テラバイト単位）には遠く及ばない。
| 指標 | 数値 |
|---|---|
| Sentinel-2の日次データ生成量 | 約1.6 TB |
| 典型的なXバンドダウンリンク速度 | 300〜500 Mbps |
| 1回の通信機会（地上局通過） | 約10分 |
| 1回で転送可能な量 | 約22〜37 GB |
この構造的な不均衡が、衛星データ活用の根本的な障壁となっている。
オンボード処理が解決する課題
解決策は明快だ。衛星上でAI処理を完結させ、有用な情報だけを地球に送る。地球の地表は常時約67%が雲に覆われているとされ、雲に遮られた画像には実質的な観測価値がない。雲のない有効な画像だけを選別してダウンリンクすれば、帯域幅の使用効率は劇的に向上する。
この発想の延長線上に、火災・洪水・船舶・農業被害などの異常検知をリアルタイムで衛星上で判定し、「アラート」だけを地球に送るという強力なユースケースが生まれる。地上での後処理を必要とせず、イベント発生から数分以内に通報できる点は、従来の衛星運用では実現不可能だった価値だ。
ESA Φsat-2ミッション：軌道上AI推論の先駆け
出典: 6U CubeSatのハードウェア構成
Φsat-2（Phi-Sat-2）は、ESAとUPM（マドリード工科大学）が主導し、2023年に打ち上げられた6U CubeSatだ。Φsat-1（2020年）の成功を受け、より汎用的なAI推論プラットフォームを軌道上で実証することを目的とした。
“The Phi-Sat-2 mission aims to demonstrate, for the first time in orbit, an artificial intelligence payload capable of running multiple applications simultaneously.”
主なハードウェア仕様を以下に示す。
| コンポーネント | 仕様 |
|---|---|
| バス形状 | 6U CubeSat（約12×24×36 cm） |
| 撮像センサ | マルチスペクトルイメージャ（可視光・近赤外） |
| AIプロセッサ | Intel Myriad X MA2085 VPU |
| AI演算性能 | 最大4 TOPS（INT8精度） |
| AI処理消費電力 | 約2.5 W（典型値） |
| メモリ | 4 GB LPDDR4 |
| ストレージ | 32 GB eMMC |
| 軌道 | 約550 km 太陽同期軌道（SSO） |
Intel Myriad X VPU：宇宙初のAIプロセッサ
Intel Myriad X（MA2085）は、もともと自動運転・コンピュータビジョン向けに設計されたビジョン処理ユニット（VPU）だ。Myriad XのアーキテクチャはShave（Vector VLIW）プロセッサを16コア搭載し、専用のNeural Compute Engine（NCE）でDNN推論を高速化する。INT8精度でのDNN推論に最適化されており、4 TOPSの演算性能をわずか2.5 Wという低消費電力で実現している。
宇宙環境での最大の課題は放射線耐性だ。宇宙線によるSEU（Single Event Upset）がメモリビットを反転させ、処理回路に誤動作を引き起こす可能性がある。Myriad Xは商用品（COTS）であり、軍用・宇宙認証は持たないが、ESAは詳細な放射線試験（TID：総吸収線量試験、SEE：単粒子効果試験）を実施し、低地球軌道での2〜3年ミッションにおける動作実現性を確認した。
軌道上での実証：雲検出と火災検知
Φsat-2では複数のAIアプリケーションが軌道上で実証された。
雲検出（Cloud Masking） CNNベースのモデルにより、薄雲・巻雲を含む雲を高精度で検出し、雲に覆われた画像のダウンリンクを自動でスキップする。従来の閾値ベースアルゴリズム（例：ESA SNAP Cloud Detector）と比べ、薄雲・巻雲の誤検出率が大幅に改善された。ダウンリンクデータ量の70〜90%削減が報告されている。
火災検知（Active Fire Detection） 熱異常の疑いがあるピクセルを即座に検出し、座標情報のみを地上に送信する。地上での後処理に比べて検知から通報までのタイムラグを最大6時間短縮でき、早期警報システムとしての産業的価値は大きい。
宇宙向けAIプロセッサの比較
主要プロセッサのスペック
Φsat-2以降、複数の商用AIプロセッサが宇宙利用の候補として研究されている。
| プロセッサ | 演算性能 | 消費電力 | 精度 | 放射線評価 |
|---|---|---|---|---|
| Intel Myriad X MA2085 | 4 TOPS | 2.5 W | INT8 | LEO実証済み |
| NVIDIA Jetson Orin NX | 40 TOPS | 10〜25 W | FP16/INT8 | 評価中 |
| Hailo-8 | 26 TOPS | 2.5 W | INT8 | 評価中 |
| Google Edge TPU | 4 TOPS | 2 W | INT8 | 研究段階 |
| RAD-hard FPGA（Xilinx Kintex UltraScale+） | 可変 | 5〜20 W | 可変 | 認証済み |
消費電力と演算性能のトレードオフが宇宙設計の核心だ。6U CubeSatでは電力バジェットが1〜5 W程度に制限されるため、Myriad XやHailo-8のような低消費電力プロセッサが現実的な選択肢になる。一方、大型衛星では電力余裕が大きいため、NVIDIA Jetson系の高性能プロセッサも選択肢に入る。
RAD-hardなFPGAは最も放射線耐性が高く、高信頼性が求められるミッションに向くが、プログラミングの難度が高く、AIモデルの変更に大きなコストがかかるという欠点がある。
技術課題：宇宙環境での制約
放射線耐性（SEU・SEL）
宇宙放射線による代表的な故障モードは2種類ある。
- SEU（Single Event Upset）: 重イオン・陽子がメモリのビットを反転させ、計算誤りや誤動作を引き起こす。ソフトエラーとも呼ばれ、再起動で回復可能。
- SEL（Single Event Latch-up）: 寄生バイポーラ構造が活性化し、過電流による永続的な損傷を引き起こす。電源リセットが必要。
商用プロセッサのSEU対策として、EDAC（Error Detection And Correction）メモリの採用やソフトウェアによるWatchdog・冗長チェックが広く用いられる。軌道高度も重要で、太陽同期軌道（SSO, 500〜600 km）はバンアレン帯の外側にあり、中軌道（MEO）に比べてSEU発生率は比較的低い。
熱管理と消費電力
宇宙環境では強制冷却が使えず、熱放射（輻射）のみで排熱しなければならない。太陽・日陰の周期的な温度変化（−40℃〜+85℃）は半導体の特性変動を引き起こす。Myriad Xの2.5 Wはパッシブ熱制御で管理可能な範囲だが、連続推論時の熱設計は慎重に行う必要がある。
6U CubeSatの太陽電池出力は最大15〜20 W程度。AIプロセッサ・通信機・姿勢制御システムへの電力配分は厳密なバジェット管理のもとで設計される。
展望：2025-2030年のオンボードAI
標準化と商業展開
Φsat-2の成功を受け、ESAはΦ-Satシリーズの拡張を進めるとともに、標準的なオンボードAIプラットフォーム「Φ-sat Application Platform」の開発も検討している。
商業衛星事業者でもオンボードAI実装が加速している。Planet Labs（米）、Satellogic（アルゼンチン）、ICEYE（フィンランド）などはSARおよび光学衛星でのオンボード処理を積極的に展開中だ。
注目すべき今後のトレンド: – 複数AIモデルの同時実行: 雲検出・火災・洪水・船舶検知などを1プロセッサで並列実行 – OTA（Over-The-Air）モデル更新: 衛星上のAIモデルを軌道上からアップデート – ニューロモーフィックチップへの移行: 次世代の超低消費電力AI処理への展開 – 地球観測への深層学習統合: オンボードAIと地上の基盤モデルの協調利用
技術的なポイント
基礎知識
- TOPS（TeraOps/秒）: AIプロセッサの演算性能を示す指標。INT8精度の行列積演算数を基準にする。高いほど多くのモデルをリアルタイム実行できる
- SEU（Single Event Upset）: 宇宙線によるメモリビット反転。EDAC、ウォッチドッグタイマ、冗長計算で対策する
- TID（Total Ionizing Dose）: 放射線の総吸収線量。krad（Si）単位で表し、商用デバイスは10〜100 krad程度で機能が劣化する
- ダウンリンクバジェット: 1軌道周回で地上に送信できるデータ量の上限。オンボードAIはこの制約を実質的に拡大する
応用例
- Φsat-1（2020年）: 雲検出モデルを宇宙で初実証。商用COTS AIプロセッサの宇宙動作を確認
- Φsat-2（2023年）: 4 TOPSで複数AIモデルを同時実行。火災検知のリアルタイム通報を実証
- Planet Labs SuperDove: 商用地球観測衛星での画像品質AI評価をオンボード実装
まとめ
衛星搭載AI（オンボード推論）は、地球観測の帯域幅問題を解決する根本的な技術革新だ。ESA Φsat-2はIntel Myriad X VPUを搭載し、雲検出・火災検知を軌道上で実証してダウンリンクデータを最大90%削減した。放射線耐性・熱管理・消費電力という三大制約の中で最大の推論性能を引き出す設計が、宇宙AIエンジニアリングの核心だ。今後はニューロモーフィックチップによる超低消費電力化や、地球観測向け深層学習モデルのオンボード展開が加速し、2030年代には衛星のAI搭載が標準装備となるだろう。
参考文献
- ESA, “Phi-sat-2 Mission Overview”, 2023. ESA Phi-Sat-2ページ
- ESA, “Phi-sat-2 in orbit (artist’s impression)”, 2023. ESA マルチメディアギャラリー
- Giuffrida, G. et al., “The Φ-Sat-1 Mission: The First On-Board Deep Neural Network Demonstrator for Satellite Earth Observation”, IEEE Transactions on Geoscience and Remote Sensing, 2022. IEEE TGRS
- Intel, “Intel Movidius Myriad X VPU Product Brief”, 2019. Intel製品ページ
コメントを残す