[논문 리뷰] Sensor Artificial Intelligence and its Application to Space Systems -- A White Paper

Anko Börner, Heinz‐Wilhelm Hübers외 16명|arXiv (Cornell University)|2020. 06. 09.

Advanced Data Processing Techniques인용 수 4

한 줄 요약

이 화이트페이퍼는 '센서 AI'를 소개한다—우주 시스템의 데이터 해석을 향상시키기 위해 센서 물리학, 신호 처리 및 인공지능을 통합하는 통합적 접근법이다. 센서의 기원에서 데이터 제품에 이르는 전체 신호 체인을 모델링함으로써 이 프레임워크는 강건성과 일반화 능력을 향상시키며, 다학제적 협업을 통해 자율 우주 임무, 예측 정비 및 지능형 원격 탐사 분야의 발전에 기여한다.

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.

연구 동기 및 목표

• 센서 물리학과 인공지능을 통합하는 전용 연구 분야로 '센서 AI'를 정립하기.
• 전통적인 AI 접근 방식이 센서 고유의 물리적 제약과 신호 열화를 忽시하는 한계를 해결하기.
• 센서에서 데이터 제품에 이르는 전체 신호 체인을 모델링하여 우주 응용 분야에서 AI 모델의 강건성과 일반화 능력을 향상시키기.
• 연구 및 산업 분야의 연구 그룹 간 협업을 촉진하여 지능형 우주 시스템 개발을 가속화하기.
• 자율 우주 임무, 원격 탐사 및 예측 정비 분야의 핵심 기술로 센서 AI를 위치지키기.

제안 방법

• 물리적 센서 거동에서 시작하여 데이터 수집, 처리 및 AI 기반 해석에 이르는 통합적 신호 체인 모델을 제안한다.
• 노이즈, 해상도, 환경 민감도와 같은 센서 고유 특성을 AI 학습 및 추론 파이프라인에 통합한다.
• 임무 핵심 우주 응용 분야에서의 투명성과 신뢰성을 확보하기 위해 해석 가능한 AI 기법을 사용한다.
• 센서의 비이상적 특성과 시간에 따른 신호 드프트를 고려한 엔드 투 엔드 학습 프레임워크를 적용한다.
• 신호 처리, AI 및 항공우주공학 분야 간의 다학제적 협업을 통해 강력한 시스템을 공동 설계한다.
• 우주 관련 시나리오에서의 센서 AI에 대한 표준화된 벤치마크 및 평가 프로토콜을 개발한다.

실험 결과

연구 질문

• RQ1 신뢰성 있는 강건성 향상을 위해 센서 물리학과 신호 열화를 어떻게 체계적으로 AI 모델 설계에 통합할 수 있는가?
• RQ2 실제 우주 환경의 센서 데이터에 적용했을 때 기존 AI의 주요 고장 유형은 무엇인가?
• RQ3 전체 신호 체인을 모델링함으로써 우주 응용 분야에서 AI 시스템의 해석 가능성과 일반화 능력은 어떻게 향상되는가?
• RQ4 자율 우주 시스템을 위한 AI, 신호 처리 및 센서 기술 간의 상호보완적 시너지는 무엇인가?
• RQ5 센서 AI는 어떻게 표준화되고 연구 및 산업 전반에 걸쳐 확장 가능한 우주 임무 구현을 위해 도입될 수 있는가?

주요 결과

• 센서 물리학과 시간에 따른 신호 열화를 고려함으로써 센서 AI는 AI 모델의 강건성을 크게 향상시킨다.
• AI 파이프라인에 센서 물리학을 통합하면 우주 관련 시나리오에서 더 신뢰할 수 있고 일반화 능력이 뛰어난 예측이 가능해진다.
• 통합적 신호 체인 접근법은 자율 우주 임무에서 AI 기반 의사결정의 해석 가능성과 신뢰도를 향상시킨다.
• 센서 AI를 위한 협업 프레임워크는 우주 시스템, 원격 탐사 및 예측 정비 분야의 혁신을 가속화할 수 있다.
• 이 화이트페이퍼는 기초 연구 의제를 성공적으로 수립하고 센서 AI 분야의 다학제적 협업을 촉진했다.
• 센서 AI는 차세대 자율 우주 탐사 및 지능형 위성 시스템의 핵심 추진 기술로 확인되었다.