La IA orbital transforma els satèl·lits d’observació terrestre per accelerar la resposta davant emergències climàtiques
Nous sistemes de processament en òrbita permeten reduir els colls d’ampolla en la transmissió de dades i prioritzar informació crítica en temps real
Els satèl·lits d’observació terrestre generen cada dia volums massius de dades visuals utilitzades per monitorar el canvi climàtic, gestionar recursos naturals i detectar incidències industrials. Tot i això, la infraestructura tradicional continua afrontant una limitació estructural: la capacitat de transmissió de dades cap a la Terra.
Els sistemes actuals acostumen a emmagatzemar grans quantitats d’informació en brut que només es poden descarregar durant finestres de comunicació limitades i intermitents. Aquest procés pot provocar retards de diverses hores o dies, depenent de l’òrbita del satèl·lit i de la disponibilitat d’estacions terrestres.
Per superar aquest repte, el sector aeroespacial impulsa noves arquitectures que combinen maquinari avançat i intel·ligència artificial (IA) per processar dades directament en òrbita.
El model del «Cos» i el «Cervell» redefineix l’observació espacial
Les noves solucions es basen en una estratègia coneguda com el «Cos» i el «Cervell».
El «Cos» correspon a la infraestructura física formada per nanosatèl·lits, processadors comercials miniaturitzats i coprocessadors especialitzats capaços d’executar tasques de càlcul avançades amb un consum energètic reduït.
El «Cervell» integra models d’aprenentatge automàtic i sistemes de processament distribuït que permeten analitzar dades geoespacials en temps real.
La combinació d’ambdues capacitats fa possible que els satèl·lits deixin de funcionar com a simples plataformes de captació d’imatges i es converteixin en sistemes capaços de seleccionar, filtrar i prioritzar la informació abans d’enviar-la a la Terra.
Xips eficients per operar en condicions extremes
Tradicionalment, els ordinadors de bord dels satèl·lits han utilitzat processadors amb prestacions limitades, dissenyats per resistir la radiació espacial, les oscil·lacions tèrmiques i les restriccions energètiques.
L’evolució dels components electrònics ha facilitat la incorporació de nous coprocessadors d’alt rendiment i baix consum, com les unitats Edge TPU i els mòduls GPU compactes adaptats a entorns espacials.
Aquest tipus de maquinari permet executar algorismes complexos consumint només uns quants watts, un factor clau en missions espacials on l’energia disponible és limitada i els sistemes de refrigeració convencionals no són viables.
Paral·lelament, diverses iniciatives impulsen el desenvolupament de processadors reforçats amb protecció davant la radiació i arquitectures redundants per garantir la fiabilitat dels sistemes de computació orbital.
Models fundacionals per interpretar dades geoespacials
L’avenç de la IA orbital també es basa en els anomenats models fundacionals geoespacials, entrenats amb grans volums d’imatges procedents de missions d’observació terrestre.
Aquests models permeten identificar patrons comuns en diferents tipus de fenòmens, com incendis forestals, inundacions, contaminació, evolució dels cultius o canvis en la cobertura vegetal.
La seva arquitectura facilita l’actualització de funcionalitats sense necessitat d’enviar nous sistemes complets al satèl·lit. En lloc d’això, es poden incorporar mòduls especialitzats que aprofiten la infraestructura d’intel·ligència artificial ja desplegada en òrbita.
Aquest enfocament redueix el consum energètic, optimitza l’ús de l’amplada de banda i accelera la resposta davant situacions d’emergència.
EarthSight redueix els temps d’espera en la recepció de dades
Entre els projectes que exploren aquesta tecnologia destaca EarthSight, un sistema experimental orientat a millorar la gestió de dades en satèl·lits de petites dimensions.
La seva arquitectura combina tres elements principals: la coordinació entre satèl·lits i estacions terrestres, el filtratge intel·ligent d’imatges en òrbita i la capacitat d’executar múltiples tasques amb un únic model d’intel·ligència artificial.
El sistema prioritza automàticament les imatges amb major valor operatiu i redueix la importància d’aquelles afectades per factors com la presència de núvols.
Les simulacions realitzades amb maquinari comercial indiquen que EarthSight gairebé duplica la velocitat de processament de prioritats i redueix el temps d’espera per accedir a imatges d’alta prioritat de 51 a 21 minuts.
Aplicacions en la gestió ambiental i la resposta a desastres
La computació orbital obre noves possibilitats en la vigilància ambiental i la gestió de riscos.
Els sistemes d’IA en òrbita poden facilitar la detecció precoç d’incendis forestals, el seguiment d’inundacions, el control de la desforestació, la identificació d’illes de calor urbanes o el monitoratge de la biomassa forestal.
Aquestes capacitats permeten optimitzar els recursos disponibles i reduir els temps de resposta davant fenòmens extrems.
Segons els experts del sector, el desenvolupament de sistemes híbrids Terra-Espai continuarà evolucionant durant els pròxims anys amb l’objectiu de millorar l’autonomia operativa dels satèl·lits i incrementar l’eficiència energètica de les missions.
La integració entre maquinari avançat i intel·ligència artificial situa la computació orbital com una tecnologia clau per reforçar la capacitat global de monitoratge ambiental i la gestió de crisis en temps real.
