イベントカメラとニューロモーフィック・ハードウェアによる効率的な搭載宇宙機姿勢推定

要旨: 信頼性の高い相対姿勢推定は、自律的なランデブーおよび近接運用を可能にする重要な要素である。しかし、宇宙画像は、極端な照明、強いコントラスト、そして高速な目標の運動のために、とりわけ困難であることが知られている。イベントカメラは、フレームベースの画像が飽和したりブレたりする場合でも情報を保持し得る、非同期かつ変化に駆動された計測を提供する。一方、ニューロモーフィック（脳型）プロセッサは、疎な活性を活用して、低レイテンシかつ省エネルギーな推論を実現できる。本論文では、イベントベースの視覚と BrainChip Akida ニューロモーフィックプロセッサを結合した、宇宙機の6自由度（6-DoF）姿勢推定パイプラインを提示する。SPADES データセットを用いて、軽量なイベントフレーム表現上でコンパクトな MobileNet 型のキーポイント回帰ネットワークを学習し、量子化を意識した学習（8/4ビット）を適用し、モデルを Akida 対応のスパイキングニューラルネットワークへ変換する。3種類のイベント表現をベンチマークし、Akida V1 ハードウェア上でリアルタイムかつ低電力な推論を実証する。さらに、Akida V2 を対象としたヒートマップベースのモデルを設計し、Akida Cloud で評価することで、姿勢精度の向上を得る。私たちの知る限り、Akida ハードウェア上で動作する宇宙機の姿勢推定のエンドツーエンド実演としては初めてのものであり、将来の自律宇宙ミッションに向けた、低レイテンシかつ低電力な知覚のための実践的な道筋を示す。