AWS nello spazio: così raccogliamo e analizziamo dati in orbita
Solo 10 mesi, tanto è bastato ad Amazon Web Service, il colosso mondiale del Cloud Computing, per testare un metodo veloce ed efficiente per raccogliere e analizzare dati direttamente in orbita utilizzando il Cloud. Così, l’azienda ha annunciato di aver eseguito con successo una suite di software di calcolo e machine learning su un satellite.
Si tratta di un risultato veramente stupefacente perché questo esperimento ha permesso di analizzare enormi volumi di dati satellitari grezzi in orbita e di trasmetterne a terra solo quelli maggiormente utili per l’archiviazione o ulteriori analisi. In questo modo si riducono i costi e soprattutto è possibile prendere decisioni in modo molto più tempestivo.
Ma in cosa consisteva l’esperimento messo in atto da AWS? In sostanza, l’operazione era focalizzata sull’applicazione di vari modelli di Machine Learning ai dati catturati dai sensori del satellite per identificare specifici oggetti sia nel cielo, come nuvole e fumo d’incendi, sia a terra, inclusi edifici e navi. Immagini satellitari grezze e dataset come questo sono solitamente piuttosto grandi. Per questo gli ingegneri hanno creato un modo per suddividere i file di dati di grandi dimensioni in file più piccoli. L’utilizzo dei servizi AWS di intelligenza artificiale aiuta a ridurre le dimensioni delle immagini fino al 42%, aumentando le velocità di elaborazione e consentendo inferenze in tempo reale in orbita. Insomma, un esperimento davvero rivoluzionario.
A ribadire l’importanza e l’essenzialità di questo esperimento è proprio il vicepresidente di Amazon Web Service Max Peterson il quale ha spiegato che usare il software di AWS per eseguire l’analisi dei dati in tempo reale a bordo di un satellite, e inviare tale analisi direttamente attraverso il Cloud, è un cambiamento decisivo negli approcci esistenti alla gestione dei dati spaziali. “Aiuta anche – ha ribadito Max Peterson – a superare i limiti di ciò che crediamo sia possibile per le operazioni satellitari”.
Basti pensare che in questo momento, nonostante la ricerca e il progresso tecnologico, ci sono molte sfide tecniche associate all’archiviazione e alla comunicazione dei dati nello spazio. Di cosa si tratta nello specifico? Innanzitutto l’alta latenza, cioè il tempo di risposta tra andata e ritorno e la larghezza di banda limitata. Anche in questo caso però AWS sta facendo di tutto per innovare e superare l’ostacolo come ad esempio collaborare con D-Orbit e Unibap per affrontare direttamente queste sfide che si applicano alle operazioni satellitari. Si tratta di due società specializzate rispettivamente italiana e svedese che già in passato hanno sperimentato precedenti collaborazioni.
Ma chi sono queste due società? D-Orbit è membro dell’AWS Partner Network e, come abbiamo scritto, è un’azienda italiana con sede in provincia di Como. Applicando i servizi di calcolo e ML di AWS alle immagini di osservazione terrestre, D-Orbit è stata in grado di analizzare rapidamente grandi quantità di dati direttamente a bordo del satellite ION in orbita. Esso permette un’interfaccia meccanica ed elettrica, garantendo quindi d’integrare esperimenti a bordo e gestirli da terra come sottosistema di ION stesso.
Sergio Mucciarelli, vicepresidente delle vendite commerciali di D-Orbit ha spiegato come i clienti vogliano elaborare in modo sicuro quantità sempre maggiori di dati satellitari con una latenza molto bassa. “Crediamo nella spinta verso l’edge computing, e questo può essere fatto solo con infrastrutture spaziali adatte allo scopo”, ha affermato Mucciarelli.
Unibap anch’essa partner di AWS invece è una società high-tech svedese, ha creato un payload di elaborazione qualificato per lo spazio. Il payload è stato quindi integrato sul satellite ION e lanciato nello spazio. Il 21 gennaio, il team ha effettuato il primo contatto di successo con il payload, ed eseguito il primo comando remoto dalla Terra. E Fredrik Bruhn, chief evangelist nella trasformazione digitale e co-fondatore di Unibap, ha sottolineato come la sua azienda voglia “aiutare i clienti a trasformare in fretta i dati satellitari grezzi in informazioni che possono essere utilizzate in pochi secondi, abilitare l’apprendimento federato a bordo per l’acquisizione autonoma di informazioni e aumentare il valore dei dati che vengono trasmessi in downlink”.
