Satelliter har blivit mindre, billigare och lättare att göra med kommersiella delar. Trenden med fler konstellationer av satelliter med avancerade sensorer som har hög upplösning och producerar enorma mängder data förändrar just nu rymdindustrin och behoven av hur data analyseras, lagras, bearbetas och levereras. Särskilt drivande i detta är användandet av multi- och hyperspektrala elektrooptiska sensorer med hög upplösning eller Synthetic Aperture Radar (SAR). Genom att flytta delar av bearbetning av sensordata till satelliten kan mängden data redan på ett tidigt stadium reduceras genom att filtrera bort sådant som inte är användbart. Ett exempel på detta för en bildalstrande satellit för jordobservation kan vara att ta bort alla data där bilderna enbart visar moln. Under vissa tidsperioder under året kan molntäckta bilder utgöra mer än 80% av alla bilder som tas över Skandinavien.

Specialelektronik för rymdtillämpningar är dyrt och har oftast inte så hög beräkningsprestanda. Genom att används ”ruggade” standardprodukter, COTS, också i rymdtillämpningar går det att ta fram datorer som är tillräckligt kraftfulla att hantera och bearbeta stora datamängder och tillämpa Artificiell intelligens (AI)/Maskininlärning (ML) för att förstå vilken information som finns tillgänglig och därmed kunna filtrera, lägga till metadata, prioritera för vidare bearbetning eller nedladdning av högre ordningens dataprodukter eller information med låg tidsfördröjning (latens). Det går till exempel att använda algoritmer och (tränings)data för att skapa modeller för att detektera skogsbränder och dessa modeller kan paketeras i applikationer som kan köras på en Linux-server ombord på en satellit med lämpliga sensorer. Edge-Computing eller sensornära beräkning är en av de nya tekniker som kan möjliggöra beslut i realtid utan långa fördröjningar, exempelvis att omedelbart sända larm om möjlig skogsbrand inom ett visst område när det upptäcks samt autonomt låta nästa satellit som passerar fortsätta observera skogsbrandsområdet med sina sensorer.

Projektet SpaceEdge Phase 2 genomförs i samarbete mellan Unibap och AI Sweden och syftar till att förfina edge-teknologi för datahantering ombord på satelliter genom experimentell utveckling omfattande:

• Undersöka nya hårdvaruacceleratorer för AI/ML samt kommande CPU/GPU lösningar för nästa generations datorplattformar
• Ge stöd till applikationsutvecklare att använda framtidens edge-teknologi för ombord databearbetning där uppdatering av mjukvara och modeller för AI/ML utgör ett paradigmskifte
• Validera applikationer för användning ombord på satellit, samt ge möjlighet för experiment med lämpliga och utvalda applikationer ombord på en satellitplattform i omloppsbana med kapabla sensorer