本文档介绍了由墨尔本大学（The University of Melbourne）的Miguel Ortiz Del Castillo、Jonathan Morgan、Jack McRobbie、Clint Therakam、Zaher Joukhadar、Robert Mearns、Simon Barraclough、Richard Sinnott、Andrew Woods、Chris Bayliss、Kris Ehinger、Ben Rubinstein、James Bailey、Airlie Chapman、Michele Trenti等人共同完成的研究工作。该研究以论文形式《Mitigating Challenges of the Space Environment for Onboard Artificial Intelligence: Design Overview of the Imaging Payload on SpIRIT》发表于2024年的IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW)。
学术背景 该研究属于航天工程与人工智能交叉领域，具体关注在轨人工智能与自主边缘计算。随着纳米卫星技术的快速发展，现代传感器产生的数据量已远远超过卫星与地面站之间的下行链路传输能力。传统的解决方案是将原始数据全部下传，由地面站进行后续处理，这严重受限于有限的通信带宽。因此，将人工智能模型部署在卫星上进行在轨实时数据处理与决策，成为提升纳米卫星能力、实现敏捷任务的关键前沿方向。然而，将商用现货（Commercial Off-The-Shelf, COTS）组件和复杂AI系统应用于严酷的太空环境面临多重严峻挑战，包括有限的算力与存储资源、宇宙辐射、极端温度波动、数据分布漂移以及极低的传输带宽等。在此背景下，本研究旨在展示一种能够在太空恶劣条件下可靠运行的机载AI子系统硬件与软件设计方案。研究团队的目标是通过设计名为“LORIS”的有效载荷，验证在纳米卫星平台上部署高性能AI处理能力的可行性，为未来更广泛的太空遥感应用奠定基础。
详细工作流程 本研究并非一项传统的、包含假设、实验组、对照组和数据分析的实验性研究，而是一项详细的系统工程设计与验证报告。其核心工作流程是围绕“SpIRIT”卫星上“LORIS”成像与AI有效载荷的设计、实现与在轨验证策略展开的。整个工作可以分解为以下几个关键流程：
流程一：系统需求分析与总体架构设计。 研究团队首先明确了任务的核心需求：在低地球轨道（约550公里太阳同步轨道）的两年任务期内，实现基于可见光与长波红外相机的在轨计算机视觉实验。面临的约束条件包括：严苛的热环境、高辐射环境、极有限的通信带宽（每日下行链路约1MB）、受限的计算资源（NVIDIA Jetson Nano的4GB内存和16GB存储）以及AI模型的在轨适应性需求。基于这些需求，团队设计了LORIS的总体架构（如图1所示）。该架构包含三个主要部分：1）作为核心处理单元的NVIDIA Jetson Nano系统级模块（System-on-Module, SOM）；2）一个相机多路复用器（Camera Multiplexor），用于扩展有限的相机接口以连接多个传感器；3）一套成像传感器阵列，包括六个索尼IMX219可见光RGB摄像头和三个FLIR Lepton 3.5长波红外传感器。Jetson Nano通过差分RS-422全双工协议与卫星的仪器控制单元（Instrument Control Unit, ICU）通信，接收指令并回传遥测数据和图像。
流程二：硬件子系统的详细设计与挑战缓解策略实施。 此流程涉及针对各项空间环境挑战的具体工程设计。 * 热管理设计：由于太空真空环境下缺乏对流散热，散热设计至关重要。团队为Jetson Nano设计了一个定制的铝制载体框架（LORIS Carrier Frame），该框架既作为机械安装座，也作为热沉和辐射屏蔽层。处理器通过空间级的导热填料（Laird Tflex）与框架实现良好的热接触，将热量传导至卫星的热控系统。为了验证设计，团队使用行业标准的空间热仿真软件ESATAN-TMS建立了包含200个节点的整星热模型，对LORIS进行了在轨热仿真。仿真预测，在典型工作状态下，Jetson Nano的温度将在-14°C至+29°C之间波动，远低于其工作极限（-25°C至+97°C）。此外，有效载荷还通过了系统级的热真空测试，包括热循环和长达10小时的热平衡测试，实测最大温度为+43°C，验证了热设计的有效性。 * 辐射防护与缓解设计：研究团队首先使用SPENVIS软件模拟了任务轨道（包括南大西洋异常区和极区）的质子与电子通量，以识别高辐射风险区域（如图4所示）。为减轻总电离剂量（Total Ionizing Dose, TID）效应，他们使用SHIELDOSE-2模型计算了不同屏蔽厚度下的TID。为确保安全裕度（采用了10倍的降额因子），最终确定了3毫米的铝屏蔽厚度，集成在载体框架中，以将两年任务期的TID控制在2 krad以下（如图6所示）。为应对单粒子效应（Single Event Effects, SEEs）可能导致的数据损坏，团队设计了一套软件完整性监控架构（如图5所示）。该软件定期（每60秒）计算关键文件的MD5哈希值，与存储的哈希值对比，若发现损坏，则使用备份文件进行替换，并记录错误以备地面重新上传。此外，操作策略上会避免在辐射通量高的区域（如极区和南大西洋异常区）激活有效载荷，以降低风险。 * 相机系统与复用设计：为了克服Jetson Nano原生相机接口数量的限制，团队设计了一个相机通道多路复用器。该复用器由一个MSP430微控制器控制，可支持最多16个传感器，通过8个4通道MIPI-CSI或8个SPI接口接收数据。采用多个低成本COTS传感器（IMX219和Lepton 3.5）并通过复用策略连接，不仅满足了预算约束，还通过冗余设计降低了单个传感器故障导致整个系统失效的风险。
流程三：软件与算法策略设计以应对带宽与计算限制。 * 数据压缩策略：为应对每日仅1MB的严格下行带宽限制，团队选择了JPEG XL作为在轨图像压缩算法。这是一个新颖的设计选择，据文献所述，这是首次在轨使用JPEG XL算法。选择JPEG XL的原因在于其高压缩比、视觉无损特性以及关键的渐进式编码（Progressive Coding） 功能。渐进式编码允许图像数据流在部分传输后即可被解码，随着接收数据量的增加，图像质量逐步提高（如图7所示）。这使得地面站可以在接收到足够质量的图像预览（如仅1%数据生成的缩略图）后即停止传输，极大提高了带宽利用效率。文中还将JPEG XL与空间数据系统咨询委员会（CCSDS）的图像压缩标准进行了对比，指出CCSDS标准主要针对单通道科学数据，而JPEG XL的XYB色彩空间更适用于模拟人类视觉系统的RGB相机，且在Jetson Nano这类通用硬件上，其复杂度是可接受的。 * AI模型部署与在轨适应性：考虑到Jetson Nano有限的4GB内存和约2GB的可用存储空间，研究强调了必须部署轻量级AI模型（如MobileNet）。作为概念验证，LORIS实现了一个云检测模型，用于自动标注图像，以辅助判断图像价值（是否被云层覆盖），从而优化下行数据选择。为了解决在轨模型微调和再训练的挑战，论文提出了一种创新的“地面真值工厂（Ground Truth Factory）”方法。该方法利用卫星捕获图像的元数据（如UTC时间、GPS坐标），在地面站通过关联其他卫星数据或地面观测数据来推断图像的估计标签，然后将这些标签上传至卫星，用于动态地在轨优化AI模型。
流程四：在轨验证与初步结果。 研究指出，SpIRIT卫星及LORIS有效载荷已于2023年12月成功发射。在论文撰写时，系统正处于在轨调试阶段。初步结果表明：所有传感器均已成功完成初始检测，并成功下传了首批图像，这证明了JPEG XL在轨压缩的有效性，并且Jetson Nano表现出了卓越的性能，为其在太空进行高级处理的能力提供了有力支持。
主要结果 1. 热管理结果：热仿真和物理测试结果共同表明，所设计的热管理系统能够将Jetson Nano的核心温度维持在-14°C至+43°C（测试中）或+29°C（预测在轨最大值）的范围内，完全满足其工作温度要求（-25°C至+97°C），无需依赖占空比循环降温，证明了热设计的充分性和有效性。 2. 辐射防护结果：辐射环境模拟确定了高辐射风险区。屏蔽分析表明，3毫米的铝屏蔽足以将两年任务期的TID控制在2 krad的安全阈值内。软件完整性监控架构为应对SEEs导致的文件损坏提供了主动防护机制。这些结果共同构成了一个分层的辐射缓解策略，从硬件屏蔽到软件容错再到操作规避。 3. 系统集成与功能结果：LORIS有效载荷成功集成并发射。初步在轨检测确认了所有相机传感器和Jetson Nano处理器的正常运行，并成功下传了经过JPEG XL压缩的图像，这直接验证了整个硬件和基础软件链路的可行性。 4. 数据压缩策略结果：论文通过理论分析和示例（图7）展示了JPEG XL渐进式编码的优越性，特别是在生成极小尺寸预览图（如2KB缩略图）方面的能力，这已被早期在轨操作证明可用于高效评估图像采集情况。这为应对极端带宽限制提供了切实可行的解决方案。 5. 在轨AI适应性框架结果：提出的“地面真值工厂”概念为解决太空AI模型持续学习的关键难题——缺乏在轨标注数据——提供了一个创新的方法论框架。虽然具体实施效果有待后续任务验证，但其思路具有重要价值。
这些结果层层递进：首先，热和辐射防护的硬件设计是系统在太空存活的基础；其次，系统集成与初步功能验证证明了设计的正确性；然后，针对带宽和计算限制的软件算法设计（JPEG XL压缩、轻量级AI模型）是提升任务效能的核心；最后，提出的在轨适应性框架指向了未来太空AI向更自主、更智能方向发展的路径。
结论与价值 本研究成功设计、实现并初步验证了“LORIS”——一个专为纳米卫星平台打造的、能够抵御严酷空间环境挑战的先进机载AI成像有效载荷。其科学价值在于为在轨人工智能与边缘计算提供了一个经过详细工程考量和初步在轨验证的完整系统设计范例。它系统地阐述了如何将高性能但非宇航级的COTS组件（如Jetson Nano GPU）通过创新的热管理、辐射防护和软件容错设计，应用于真实的太空任务中。应用价值方面，该研究为未来遥感纳米卫星实现实时数据筛选、压缩、分析乃至决策提供了可行的技术路径，能够显著降低对下行带宽的依赖，提升卫星的自主性和任务灵活性。所展示的JPEG XL渐进式压缩和“地面真值工厂”等创新方法，对后续的太空AI任务具有直接的借鉴意义。
研究亮点 1. 系统性工程方案：研究并非只关注单一技术点，而是提供了一个从硬件（热控、辐射屏蔽、传感器复用）到软件（压缩算法、AI模型部署、容错监控）再到操作策略（辐射区规避）的完整、协同的工程解决方案，以应对太空AI部署的综合挑战。 2. 创新技术应用：首次在轨应用JPEG XL图像压缩算法，并充分利用其渐进式编码特性来应对极端带宽限制，这是一个重要的技术实践。 3. COTS组件的高效利用：成功将消费级的NVIDIA Jetson Nano和相机传感器通过定制化的工程设计（载体框架、复用器）应用于太空环境，平衡了性能、成本与可靠性，为低成本太空任务提供了新思路。 4. 前瞻性的在轨学习框架：提出的“地面真值工厂”概念，为解决太空AI模型难以在轨更新的核心问题提供了一个富有创见的思路，指向了未来自主智能卫星的发展方向。 5. 详实的仿真与验证：研究包含了基于专业工具（ESATAN-TMS, SPENVIS, SHIELDOSE-2）的详细热学和辐射学仿真分析，并汇报了系统级的环境测试结果以及在轨初步数据，增强了设计的可信度。
其他有价值内容 论文还简要回顾了相关领域的工作，如欧洲空间局的Φ-Sat-1任务，该任务首次展示了在轨AI用于实时云检测，以及关于Jetson Nano和Micro-SD卡辐射耐受性的前期研究，这为LORIS的设计选择提供了背景和依据。这些内容有助于读者理解本研究在领域内的定位和继承与发展关系。