吳明宜Amazon Web Services (AWS) 上周在 AWS Re: Invent 2022 上宣佈，已成功在一場空前實驗中，在低軌道衛星的 SpaceCloud 執行一組 AWS 運算及機器學習 (machine learning, ML) 軟體，且時間長達 10 個月。
這場實驗旨在測試更快、更有效率的方法，直接在低軌衛星的雲上蒐集和分析太空資料。
AWS 太空及衛星解決方案主任 Clint Crosier 指出，這實驗讓客戶可在軌道上自動分析大量原始的衛星資料，之後只下載有用的影片儲存或進一步分析，藉降低成本，及加速決策過程。
高延遲性或無寬頻是太空產業面臨最大的挑戰。 AWS 和它兩家合作夥伴 D-Orbit 、 Unibap 共同打造地球觀測（Earth Observation, EO）任務的軟體工具原型，包括即時分析衛星影像的 AWS ML 模型，以及 AWS IoT Greengrass 軟體，後者可在頻寬有限時提供雲端管理和分析。
透過在 EO 影像執行 AWS 運算和機器學習服務，D-Orbit 即能在近地軌道衛星的機器上直接分析大量太空資料，而不用再把資料回傳地球上的資料中心，既省了時間，也省下頻寬成本。
這軟體原型整合在 Unibap 打造的可承受太空環境的處理器設備上，這處理器設備又整合到 D-Orbit ION 衛星，在升空時一起載入軌道。今年一月，地球上的研究團隊首次成功對衛星上的運算設備下達遠端指令，之後執行了幾個星期的實驗。
AWS AI/ML 模型可將原始影像和資料檔減少 42%，可加速運算時間，有助於衛星和地球上的團隊更快獲得分析洞見及做出決策。
這項實驗將持續到 2023 年，研究團隊還將測試其他任務，包括在軌道上處理原始資料的新方法，以及更進階的資料遞送方法。