はじめに
従来の地球観測衛星は膨大な画像データを地上にダウンリンクし、地上で解析していた。しかしデータ量の爆発的増加で通信帯域がボトルネックとなっている。エッジAIは衛星搭載のプロセッサでAI推論を実行し、宇宙で「考える」ことでこの問題を解決する。PhiSat-2が先駆けとなった衛星AIは急速に進化している。
オンボードAI処理のメリット
データ削減
地球観測画像の約70%は雲で覆われている。オンボードで雲検出AIを実行し、雲画像を自動的に破棄すれば、ダウンリンクデータ量を大幅に削減できる。
| 処理 | 地上処理（従来） | オンボードAI |
|---|---|---|
| データ転送量 | 全データ | 有用データのみ |
| レイテンシ | 数時間〜数日 | リアルタイム |
| 帯域要求 | 大 | 小 |
| 電力消費 | 地上で処理 | 衛星電力を消費 |
リアルタイム応答
災害検出、船舶追跡、山火事検出などでは即時性が重要だ。オンボードAIが異常を検出したらアラートのみをダウンリンクし、数時間の遅延を数秒に短縮できる。
宇宙用AIハードウェア
推論アクセラレータ
| デバイス | 性能 | 耐放射線 | 消費電力 |
|---|---|---|---|
| Intel Movidius Myriad 2 | 1 TOPS | 限定的 | 1W |
| Xilinx XQRKU060 (FPGA) | 可変 | 宇宙認定 | 5〜20W |
| Ubotica CogniSat-XE | AI専用 | 宇宙対応 | 5W |
| NVIDIA Jetson（COTS） | 21 TOPS | なし（遮蔽必要） | 15W |
PhiSat-2はIntel Movidius Myriad 2を搭載し、耐放射線は限定的だがLEO短期ミッションには十分な耐性を持つ。より高性能なNVIDIA Jetsonの宇宙適用も進んでいる。
FPGAベースAI
FPGAはニューラルネットワークの推論をハードウェアレベルで実装でき、低消費電力と再構成性を両立する。耐放射線FPGAを使用すればGEO衛星や深宇宙でもAI処理が可能だ。
主要なオンボードAI応用
雲検出・除去
最も基本的かつ効果的なオンボードAI応用。CNNベースの雲検出モデルをエッジデバイスで実行し、雲ピクセルを即座に識別。ダウンリンクデータ量を30〜70%削減できる。
変化検出
2時点の画像を比較し、建物の新設、森林伐採、洪水の発生などを自動検出する。地上変化のみを送信することで帯域を節約しつつ、地球観測の価値を最大化する。
船舶・航空機検出
SAR画像や光学画像から船舶や航空機を自動検出する。海上監視や安全保障目的で需要が高く、リアルタイム性が特に重要だ。
自律意思決定
最先端の応用は自律的なミッション計画だ。オンボードAIが対象領域の重要性を判断し、次の撮影タスクを自律的に決定する。深宇宙探査機への適用も研究されている。
技術的なポイント
基礎知識
- エッジAI: データの発生源（エッジ）でAI処理を実行する技術。クラウドへの転送不要
- TOPS: Tera Operations Per Second。AI推論性能の指標
- 量子化: ニューラルネットワークの精度をFP32→INT8等に下げ、計算量と消費電力を削減
- モデル蒸留: 大きなモデルの知識を小さなモデルに転移し、エッジデバイスに搭載可能にする
応用例
- PhiSat-2: ESAの衛星搭載AI実証。雲検出でダウンリンク最適化
- OroraTech: 赤外線カメラ＋オンボードAIで山火事をリアルタイム検出
- Spire Global: GNSS-RO（掩蔽）データのオンボード処理で気象データを即時提供
まとめ
エッジAIは衛星を「データのダウンリンク装置」から「宇宙の知能」へと進化させている。雲検出による帯域最適化、リアルタイム異常検出、自律意思決定——オンボードAIの応用は急速に拡大中だ。耐放射線ハードウェアの性能向上とモデル軽量化技術の進歩が、衛星AIの能力を今後さらに押し上げるだろう。
コメントを残す