[論文レビュー] Sensor Artificial Intelligence and its Application to Space Systems -- A White Paper

Anko Börner, Heinz‐Wilhelm Hübers+16 more|arXiv (Cornell University)|Jun 9, 2020

Advanced Data Processing Techniques被引用数 4

ひとこと要約

このホワイトペーパーは、センサーフィジックス、信号処理、人工知能を統合する包括的アプローチ「センサーアイ」を紹介する。空間システムにおけるデータ解釈を向上させるために、センサーからの信号チェーンを、信号の発生源からデータ製品に至るまでモデル化することで、耐障害性と一般化性能を向上させる。主な貢献は、分野横断的協働を通じて、自律的宇宙ミッション、予測保守、知的リモートセンシングの分野における前進である。

ABSTRACT

Information and communication technologies have accompanied our everyday life for years. A steadily increasing number of computers, cameras, mobile devices, etc. generate more and more data, but at the same time we realize that the data can only partially be analyzed with classical approaches. The research and development of methods based on artificial intelligence (AI) made enormous progress in the area of interpretability of data in recent years. With growing experience, both, the potential and limitations of these new technologies are increasingly better understood. Typically, AI approaches start with the data from which information and directions for action are derived. However, the circumstances under which such data are collected and how they change over time are rarely considered. A closer look at the sensors and their physical properties within AI approaches will lead to more robust and widely applicable algorithms. This holistic approach which considers entire signal chains from the origin to a data product, "Sensor AI", is a highly relevant topic with great potential. It will play a decisive role in autonomous driving as well as in areas of automated production, predictive maintenance or space research. The goal of this white paper is to establish "Sensor AI" as a dedicated research topic. We want to exchange knowledge on the current state-of-the-art on Sensor AI, to identify synergies among research groups and thus boost the collaboration in this key technology for science and industry.

研究の動機と目的

• センサーフィジックスと人工知能を統合する専用の研究分野として「センサーアイ」を確立すること。
• 古典的AIアプローチの限界、特にセンサー固有の物理的制約や信号劣化を無視する点を是正すること。
• センサーからデータ製品に至るまでの信号チェーンをモデル化することで、宇宙用途におけるAIモデルの耐障害性と一般化性能を向上させること。
• 研究機関および産業界の研究グループ間の協働を促進し、知的宇宙システムの開発を加速すること。
• 自律的宇宙ミッション、リモートセンシング、予測保守の分野におけるキーテクノロジーとして、センサーアイを位置づけること。

提案手法

• 物理的センサー動作から始まり、データ取得、処理、AI駆動の解釈に至るまでの包括的信号チェーンモデルを提案すること。
• ノイズ、解像度、環境への感受性などのセンサー固有の特性を、AIのトレーニングおよび推論パイプラインに統合すること。
• ミッションクリティカルな宇宙用途における透明性と信頼性を確保するため、解釈可能なAI技術を用いること。
• センサーの非理想性や時間的信号ドリフトを考慮したエンドツーエンド学習フレームワークを適用すること。
• 信号処理、AI、航空宇宙工学の分野における分野横断的協働を活用し、耐障害性のあるシステムを共同設計すること。
• 宇宙関連のシナリオにおけるセンサーアイのための標準化されたベンチマークおよび評価プロトコルを開発すること。

実験結果

リサーチクエスチョン

• RQ1 物理的センサー制限や時間経過による信号劣化を、耐障害性を向上させるAIモデル設計に体系的に統合する方法は何か？
• RQ2 実世界の宇宙環境におけるセンサーデータに適用された従来のAIの主な故障モードは何か？
• RQ3 完全な信号チェーンをモデル化することで、宇宙用途におけるAIシステムの解釈可能性と一般化性能はどのように向上するか？
• RQ4 自律的宇宙システムの実現に向け、AI、信号処理、センサーテクノロジーの間の相乗効果は何か？
• RQ5 センサーアイは、研究および産業界におけるスケーラブルな宇宙ミッションへの展開を実現するために、どのように標準化され、採用されるべきか？

主な発見

• センサーアイは、物理的センサー制限や時間経過による信号劣化を考慮することで、AIモデルの耐障害性を顕著に向上させる。
• AIパイプラインにセンサーフィジックスを統合することで、宇宙関連のシナリオにおいてより信頼性が高く一般化可能な予測が可能になる。
• 包括的信号チェーンアプローチにより、自律的宇宙ミッションにおけるAI駆動意思決定の解釈可能性と信頼性が向上する。
• センサーアイの協働フレームワークは、宇宙システム、リモートセンシング、予測保守分野におけるイノベーションを加速できる。
• ホワイトペーパーは、基礎的研究アジェンダを明確に確立し、センサーアイ分野における分野横断的協働を促進した。
• センサーアイは、次世代の自律的宇宙探査および知的衛星システムの実現に不可欠なエンablerであると特定された。