Star-Fusion: A Multi-modal Transformer Architecture for Discrete Celestial Orientation via Spherical Topology

1. Enunciato del Problema

Il documento affronta la sfida critica della determinazione dell'assetto autonomo dei veicoli spaziali, in particolare negli scenari "Persi nello Spazio" (LIS), in cui un satellite non possiede conoscenze preliminari della propria orientazione.

• Limiti dei Metodi Tradizionali: Gli algoritmi classici (ad es. Pyramid, Grid) si basano sulla centratura delle stelle e sul matching di sottografi rispetto a cataloghi massivi. Questi faticano a gestire manovre ad alta dinamica, rumore dei sensori e falsi positivi derivanti da detriti spaziali.
• Limiti del Deep Learning Esistente: Sebbene il deep learning offra robustezza, i modelli di regressione standard non riescono a gestire la topologia non euclidea della sfera celeste. Nello specifico, le condizioni al contorno periodiche dell'Ascensione Retta (0°–360°) causano artefatti di "avvolgimento" (wrap-around), portando a un addestramento instabile e a errori elevati vicino al confine 0/360. Inoltre, i Vision Transformer (ViT) standard spesso mancano di priors geometrici espliciti necessari per un matching preciso delle costellazioni.

2. Metodologia: L'Architettura Star-Fusion

Gli autori propongono Star-Fusion, un'architettura multimodale che riformula la stima dell'orientamento da un problema di regressione continua a un compito di classificazione topologica discreta.

A. Strategia di Discretizzazione Sferica

Per risolvere il problema del confine periodico, gli autori mappano la sfera celeste in uno spazio di etichette topologicamente coerente:

1. Trasformazione: Le coordinate RA/Dec vengono convertite in vettori unitari 3D su una sfera: $\phi(\alpha, \delta) = [\cos \delta \cos \alpha, \cos \delta \sin \alpha, \sin \delta]^T$.
2. Clustering: Il clustering K-Means sferico partiziona la sfera in $K$ regioni.
3. Etichettatura: L'orientamento ground truth viene assegnato al centroide del cluster più vicino, semplificando efficacemente il paesaggio della funzione di perdita ed eliminando le discontinuità angolari.

B. Fusione Multimodale a Tre Rami

L'architettura impiega tre encoder paralleli che fondono flussi di dati eterogenei:

1. Ramo Fotometrico (SwinV2-Tiny): Utilizza un Transformer a Finestra Spostata (Shifted Window) per estrarre caratteristiche globali di texture e densità stellare. Il meccanismo a finestra spostata è cruciale per gestire costellazioni che si estendono oltre i bordi del sensore dell'immagine.
2. Ramo Geometrico (CNN): Elabora una mappa di calore sintetica (kernel gaussiani che rappresentano le posizioni delle stelle) per imporre un ancoraggio spaziale e catturare relazioni geometriche punto per punto.
3. Ramo delle Coordinate (MLP): Un Perceptron Multistrato a 3 livelli elabora vettori di coordinate numeriche grezzi per fornire rapporti geometrici ad alta fedeltà, invarianti rispetto al rumore fotometrico.

C. Logica di Fusione

Il modello utilizza una strategia di fusione tardiva. Le caratteristiche provenienti da tutti e tre i rami ($h_p, h_g, h_c$) vengono concatenate, normalizzate tramite LayerNorm e inviate a un classificatore. Ciò garantisce che ogni modalità sviluppi rappresentazioni indipendenti prima dell'integrazione, impedendo a qualsiasi singolo ramo di dominare il flusso dei gradienti.

3. Contributi Chiave

• Riformulazione Topologica: Introduzione di un metodo di etichettatura basato su K-Means sferico che risolve il problema del confine periodico RA/Dec, consentendo un addestramento stabile per l'orientamento celeste.
• Architettura Ibrida: Sviluppo di un nuovo modello di fusione a tre rami che combina l'attenzione globale dei Transformer (SwinV2) con la precisione locale delle CNN e la stabilità numerica degli MLP.
• Prestazioni Pronte per il Bordo: Dimostrazione che il modello soddisfa requisiti di latenza rigorosi per i Sistemi di Determinazione e Controllo dell'Assetto (ADCS) su hardware embedded a bassa potenza.

4. Risultati Sperimentali

Il modello è stato valutato su un dataset sintetico di 50.000 immagini di campi stellari derivato dal catalogo Hipparcos.

• Accuratezza:
  • Accuratezza Top-1: 93,4% (vs 84,2% per la baseline SwinV2 e 79,4% per ResNet-50).
  • Accuratezza Top-3: 97,8%.
  • Accuratezza Top-5: 99,2%.
• Studio di Ablazione:
  • La rimozione del Ramo delle Coordinate ha causato un calo del 4,5% nell'accuratezza Top-1, dimostrando la necessità delle caratteristiche numeriche grezze per il fine-tuning.
  • La rimozione del ramo Heatmap ha comportato un calo del 3,3%.
  • Il modello multimodale completo ha superato la baseline unimodale SwinV2 del 9,2%.
• Efficienza Computazionale:
  • Hardware: NVIDIA Jetson Orin Nano (modalità 15W).
  • Parametri: ~29,8M.
  • Latenza di Inferenza: 18,4 ms (Throughput: 54,3 FPS).
  • Questa latenza supporta il controllo in ciclo chiuso per satelliti che richiedono aggiornamenti dell'assetto >10 Hz.

5. Significato e Direzioni Future

Significato:
Star-Fusion fornisce un framework scalabile e robusto per la navigazione celeste autonoma, in particolare per l'industria del "New Space" (ad es. CubeSat). Scaricando la complessità geometrica su una rete pre-addestrata ed evitando ricerche pesanti nei database, abilita il recupero in tempo reale in scenari "Persi nello Spazio" senza un significativo sovraccarico energetico.

Limitazioni e Lavori Futuri:

• Errore di Quantizzazione: Con $K=12$ cluster, la risoluzione attuale è insufficiente per una precisione al secondo d'arco (puntamento fine). Il lavoro futuro propone un Clustering Sferico Gerarchico (da grossolano a fine) per raggiungere una precisione sub-grado.
• Divario di Dominio: Il modello è addestrato su dati sintetici; le iterazioni future esploreranno l'adattamento di dominio a bordo per gestire il rumore reale dei sensori (corrente di buio, pixel caldi da radiazione).
• Dinamiche Temporali: La ricerca futura mira a integrare l'Attenzione Temporale (RNN o Transformer Temporali) per utilizzare la meccanica orbitale e i dati di traiettoria come priors per lisciare le transizioni di orientamento durante manovre ad alta dinamica.