Towards Autonomous Aircraft Surveillance from Nanosatellites through On-Board Inference and Generative Data Augmentation

技術要約：オンボード推論と生成データ拡張による、ナノサテライトを用いた自律型航空機監視に向けた研究

問題提起
本論文は、低軌道（LEO）ナノサテライトからの航空機監視を阻害している、相互に関連する2つのボトルネックに対処している。第一に、初期の宇宙ミッションから継承された「ベントパイプ（中継型）」運用パラダイムである。これは、衛星が地上での処理のためにテラバイト単位の生の画像をダウンリンクする必要があることを意味する。この手法は、ナノサテライトの限られたダウンリンク予算（通常10〜30 Wの電力予算と低プロファイルのアンテナ）によって制約されており、リアルタイムの意思決定を妨げる数時間から数日のレイテンシを生じさせる。第二に、航空機検出のための学習データが不足しており、深刻なクラス不均衡が生じている。HRPlanesV2のようなオープンデータセットには、軍用および民間航空機が圧倒的に多く、ヘリコプターのようなマイノリティクラス（約4:1の比率）が極端に少ないため、標準的な検出器が希少なターゲットに対して堅牢な表現を学習することができない。既存の文献は通常、これらの問題を個別に扱っている。つまり、重いモデルを地上で実行するか（ダウンリンク制限を無視）、あるいは不均衡なデータで学習するか（マイノリティクラスの性能を無視）のいずれかであり、宇宙用ハードウェアの厳格なサイズ、重量、電力（SWaP）制約を考慮していないことが多い。

手法
著者らは、Google Coral Edge Tensor Processing Unit（TPU）を搭載した6U CubeSatプラットフォーム向けに設計された、オンボード推論と生成データ拡張を統合した統一的なワークフローを提案している。

1. ハードウェア制約に基づいたアーキテクチャ選定:
   手法は「ハードウェア・ファースト」のアプローチを採用している。対象プラットフォームは、Edge TPU上に8 MBのオンダイ静的ランダムアクセスメモリ（SRAM）制限を持つ6U CubeSatである。著者らは3つの1ステージ検出器を評価した：SSD MobileNet V3、RT-DETR-L、およびYOLO11n。

• SSD MobileNet V3は、精度の低さ（mAP@50が44.98%）により棄却された。
• RT-DETR-Lは、INT8量子化後であってもメモリフットプリント（188.85 MB）が8 MBのSRAM制限を大幅に超えていたため、拒絶された。
• YOLO11nが最適な候補として選定された。INT8量子化後、その重み（約2.5 MB）はSRAM予算内に収まり、CPUへのオフロードなしに推論パス全体をオンチップで実行できる。

2. 生成データ拡張パイプライン:
   クラス不均衡、特にマイノリティクラスであるヘリコプターの問題を解決するために、著者らはFLUX拡散モデルとLow-Rank Adaptation（LoRA）を用いたパイプラインを開発した。

• 特定のトリガートークン（sathelo）を用いて、限られた実物のヘリコプターサンプルに対してカスタムLoRAアダプタを学習させた。
• モデルは、4つの運用環境（工業、農村、沿岸、乾燥地帯）における合成ヘリコプター画像を生成した。
• これらの合成画像は、中間的なYOLO検出器によって自動的にアノテーション（疑似ラベル付け）され、古典的な拡張手法（幾何学的および光学的変換）によるサンプルと結合され、53,000インスタンスを超えるバランスの取れたデータセットが作成された。

3. オンボード運用概念（ConOps）:
   システムは「完全意思決定自律」モデルの下で動作する。衛星は、プログラムされた座標の上空でのみ起動する。オンボードAIは、1024×1024のパッチを処理するために、スライシング支援ハイパー推論（SAHI）を用いてビデオストリームをリアルタイムで処理する。検出のないフレームは破棄され、メタデータ（座標、信頼度、タイムスタンプ）と、正の検出が行われたパッチの圧縮データのみがSバンド通信経由でダウンリンクされる。これにより、生の画像送信と比較して帯域幅の使用量を劇的に削減できる。

主な貢献

• ハードウェア・ファーストの手法: 6U CubeSatの物理的制約とEdge TPUの8 MB SRAM制限によってAIアーキテクチャの選択が決まる、設計プロセス。
• マイノリティクラスのための生成拡張: FLUXとLoRAを組み合わせ、マイノリティクラス（ヘリコプター）の画像を合成し、それを疑似ラベル付けして学習データセットをバランスさせる新しいパイプライン。
• SWaPを考慮したベンチマーク: 厳格な宇宙グレードの制約下でのSSD MobileNet V3、RT-DETR-L、およびYOLO11nの比較分析を行い、YOLO11nがこの特定のメモリ予算において唯一実行可能なアーキテクチャであることを特定。
• オープンソースによる再現性: コミュニティによる検証と拡張を可能にするため、ソースコード、学習済み重み、FLUX LoRAアダプタ、およびComfyUIワークフローを公開。

結果

• 検出性能: バランスの取れたデータセットは、**82.2%**のグローバル平均適合率（mAP@50）を達成し、これは不均衡なベースラインの77.9%からの向上である。
• マイノリティクラスの改善: マイノリティクラスであるヘリコプターのF1スコアは、古典的な拡張のみを用いた場合の0.683から、生成拡張を用いた場合の0.811へと大幅に向上し、マジョリティクラスの性能に接近した。
• 展開の実現可能性: 量子化されたYOLO11nモデルは8 MBのSRAM内に完全に収まる。スループット対電力のスケーリングに基づき、著者らは1024×1024解像度において25〜30 FPSのオン軌道推論レートを予測している。
• 拡張機能: 22の特定の航空機クラス（F-16、B-52など）への概念実証では、ほとんどのクラスで95%以上の精度を達成したが、滑走路の検出は線状の背景構造との混同により低い値（37%）にとどまった。

意義と主張
本論文は、ナノサテライトからのリアルタイムかつ自律的な航空機監視のための意思決定支援ツールの実現可能性を実証していると主張している。受動的なデータ収集器から能動的な推論ノードへと移行することで、提案されたワークフローはダウンリンクのボトルネックを緩和し、意思決定のレイテンシを数時間または数日から数分の一秒へと短縮する。著者らは、Edge TPUの電力コストが無線周波数送信要求の大幅な削減によって相殺されるため、このアプローチはエネルギー的に持続可能であると断言している。

論文は、検証に関する謙虚な姿勢を維持しており、すべてのパフォーマンス指標（FPS、レイテンシ）が、地上ベースのGPU測定値をEdge TPUのスループット対電力比にスケーリングした投影であることを認めている。また、飛行用ハードウェア上でのHardware-in-the-Loopテストや放射線耐性（単一イベント効果/全電離線量）の検証はまだ行われていないことを明記している。さらに、著者らは細長いインフラストラクチャ（滑走路）の検出における限界と、現在の昼間および晴天への依存についても言及しており、これらをSAR/IRセンサを用いた今後の研究領域として特定している。