AI in Space
Edge learning har potential att revolutionera utvecklingen av AI för rymdtillämpningar, och AI Swedens fokus inom detta område är att utforska teknologier som kan användas för användningsfall med stor påverkan.
Aktuella aktiviteter
Se när Chiara Ceccobello presenterar "AI för autonoma fordon" under eventet "The Latest Advancements in Decentralized Learning" i Göteborg den 23 april 2024.
Varför edge learning i rymden?
Idag tränas AI-modeller genom att överföra så mycket data som möjligt från sensorer till en central lagring och beräkningsplats. Generellt, ju mer data, desto bättre kvalitet på den resulterande modellen. Men, i takt med att antalet satelliter ökar, kommer den tillgängliga bandbredden för dataöverföring att bli allt mindre. Därför förväntas dataöverföringskostnader att stiga, det kommer ta längre tid att överföra tillräckligt med data till Jorden för att träna modeller, och modellerna kommer att vara mindre exakta om mindre data överförs.
Edge learning (också känt som decentraliserat lärande, federerat lärande, eller flocklärande) är en teknologi som har potentialen att revolutionera utvecklingen av AI för rymdanvändningar genom att lösa dessa utmaningar. Detta skulle spara både pengar och resurser eftersom det inte finns något behov av att skicka stora mängder data till Jorden.
PÅGÅENDE PROJEKT
Swedish Space Data Lab 3.0
Rymddata kan nyttjas för väderprognoser, övervakning av klimat, skogs- och jordbruk. Behovet av att analysera, tillgängliggöra och samordna data ökar stadigt. Det svenska Rymdatalabbet (Swedish Space Data Lab 3.0) är ett initiativ för att främja innovation baserade på rymddata, sänka tröskeln för användning och bidra till samhällsnytta.
NY PILOT
Interaktivt simuleringsverktyg för satellitbaserad jordobservation
Inom initiativet Space Data Lab 3 arbetar vi för närvarande med ett nytt demonstrationsverktyg, utvecklat med hjälp av PASEOS Python-paketet, som är utformat för att göra jordobservationsvetenskap mer begriplig och engagerande för en bred publik. Detta verktyg kommer snart att vara tillgängligt för hands-on upplevelse på AI Swedens kontor (i Stockholm och Göteborg), vilket ger en möjlighet att direkt engagera sig med de grundläggande principerna för satellitbaserad jordobservation.
Tidigare projekt
Space Data Hackathon
SpaceEdge
SpaceEdge 2
Swedish Space Data Lab 1.0
Forskning
PAseos simulerar miljön för att operera flera rymdfarkoster
PASEOS är en öppen källkods Python-modul som kan modellera operationella scenarier som involverar en eller flera rymdfarkoster. Den tar hänsyn till flera fysiska fenomen inklusive termiska, ström, bandbredd, och kommunikationsbegränsningar samt effekten av strålning på rymdfarkoster. PASEOS kan köras både som en prestandainriktad numerisk simulering och/eller i realtid direkt på edge-hårdvara. Hitta koden här och det medföljande rapporten här.
Om du är intresserad av att bli partner till AI Sweden och få tillgång till partnerförmånerna, inklusive labben, tveka inte att kontakta oss.
För mer information, kontakta
