Så fick Rymddatalabbet ordning på molnen

Data från rymden gör labbet till en innovationsfabrik – det gick att läsa om i det förra inlägget om Rymddatalabbet på Vinnovas webbsidor. Sedan dess har arbetet fortskridit, och projektledaren Chiara Ceccobello berättar nu om de senaste framstegen.

Framförallt har teamet på labbet fokuserat på detektion av tunna moln, vilket är ett mycket svårt problem att lösa. Den största utmaningen består i att satellitbilderna saknar "ground truth", alltså säkerhet i vad som egentligen är korrekt eller inte. Därför behövde teamet ta till en kreativ idé för att överkomma det här problemet.

– Vi löste det genom att skapa ett syntetiskt dataset vilket vi kunde använda till att träna AI-modeller på. Vi visade nyligen i en rapport att våra modeller överträffar ESA-klassifikationen med runt 20 procent, och vi har även gjort vår rapport, kod och dataset tillgängliga för andra att använda, via exempelvis GitHub, säger Chiara Ceccobello.

Hon poängterar att en viktig del i framgångarna är att ha ett innovativt och kreativt mindset – samt ett bra team och givande samarbeten.

– Vi såg att samarbete kan skapa möjlighet att göra många andra saker. Exempelvis hade vi ett samarbete med ESA under Rymddatalabbet 2.0, och utvecklade tillsammans ett simuleringsverktyg kallad Paseos. Vi har också haft ett gott samarbete med Skogsstyrelsen som bidragit med data och hjälp när det gäller träd i Sverige, säger hon.

Rymddatalabbet håller till hos AI Sweden på Lindholmen i Göteborg, vilket skapar förutsättning för labbet att interagera med andra projekt på samma ställe. Just Rymdatalabbet har bland annat utvecklingshårdvara för jordobservationssatelliter – samma typ av hårdvara som finns ombord på satelliter. På så vis går det att utföra experiment kring hur man tränar AI på plats i rymden.

I höstas blev fick Rymddatalabbet besked om finansiering i ytterligare tre år från Vinnova. I januari hölls den första kickoffen för det, och under de påföljande veckorna hölls planeringsmöten och brainstormingssessioner för att bestämma vilka användarfall som ska vara i fokus den här gången.

– Det finns flera möjligheter här. Vi skulle kunna återuppta en av piloterna som vi genomförde under Space Data Lab 1.0 och som är relaterade till klimatstudier. Vi skulle förstås även kunna fortsätta med moln-projektet. Vi vill även utforska synergier mellan Space Data Lab 3.0 och andra rymdrelaterade projekt som vi driver här på AI Sweden, säger Chiara Ceccobello.

Se hela intervjun i filmformat här

Här finns AI Swedens webbsidor om labbet

Rapporten ”Creating and Leveraging a Synthetic Dataset of Cloud Optical Thickness Measures for Cloud Detection in MSI” finns tillgänglig här