IBM開源兩太空AI專案，可預測太空垃圾路徑及強化衛星通訊

IBM開源了太空情勢感測（Space Situational Awareness，SSA）以及Kubesat專案，使用者可以將這兩容器化專案，部署到IBM Cloud上的Red Hat OpenShift上執行。IBM提到，他們希望透過開源這兩個專案，使太空應用更加普及，對於太空技術有興趣的開發者，也可以協助改善專案。

太空情勢感測能夠找出靠近地球的物體，事實上，目前已經有成千上萬個人造太空物體繞著地球運行，隨著私人火箭的發展，人造太空物體進入軌道的速度將大幅增加。人造太空物體的大小不一，從直徑數公分剝落的油漆，到國際太空站都有，IBＭ提到，雖然一小片油漆聽起來不危險，但是當油漆片在太空中以每秒8公里的速度前進，撞上衛星或是其他交通工具，可能會發生災難性的後果。

而IBM的太空團隊發展太空情勢感測技術，除了能夠找出人造太空物體的位置之外，還能預測物體移動的軌道，雖然軌道可以利用物理模型預測，但IBM提到，這些模型需要物體本身與環境及其準確的資料，但是因為地表感測器獲取的ASO資料很少，而且充滿雜訊，也不清楚太空天氣和大氣密度影響物體移動的行為，因此IBM決定使用機器學習方法，來改進軌道預測方法。

IBM的SSA專案，並非直接預測軌道，而是創建一個模型，學習偵測物理模型發生錯誤的情況，IBM提到，要是他們要利用機器學習來預測軌道，那他們就需要大量的資料來學習軌道的原理，但是物理模型已經具備部分軌道動力學的知識，因此IBM利用機器學習偵測物理模型的誤差，來修正物理模型的預測結果。

另一個稱為KubeSat的專案，則是一個認知自動化框架，是為立方衛星群設計，可以模擬和最佳化多衛星通訊。立方衛星是一種小型衛星，大小約只有10立方公分，在2013年以前，立方衛星多由學術單位發射，執行科學性研究與探索，而在2014年之後，大多數新部署的立方衛星用於商業或業餘專案。

IBM提到，當前許多新創與研究團隊，已經能夠透過發射低成本衛星，達到支援軟體或是執行特定任務的目的，而KubeSat能夠讓衛星產業更加普及，允許較小的營運商得以利用太空技術，發展過去無法實現的衛星產業。KubeSat透過利用低階太空動力學函式庫Orekit，來模擬物體軌道，KubeSat可最佳化NATS訊息平臺上，衛星對衛星、衛星對地面接收站和衛星對地表感測器間的通訊。

KubeSat可被用在特殊使用案例，建置增強學習模型，並且用作許多衛星群的底層軟體，透過自動化這些衛星群間的協作和通訊，使衛星群能夠自主動態分群，而這種衛星模組化分群，則是各種衛星程式的運作關鍵。

IBM提到，這些是太空邊緣運算的應用，衛星透過推理和資料過濾功能，以基本的方式處理資料，接下來雲端技術會進入到技術堆疊中，接收地面站匯總的原始衛星資料，並執行更進一步的處理。