論文の概要: AI-Driven Collaborative Satellite Object Detection for Space Sustainability
- arxiv url: http://arxiv.org/abs/2508.00755v1
- Date: Fri, 01 Aug 2025 16:31:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-04 18:08:53.955404
- Title: AI-Driven Collaborative Satellite Object Detection for Space Sustainability
- Title（参考訳）: 宇宙サステナビリティのためのAI駆動協調衛星物体検出
- Authors: Peng Hu, Wenxuan Zhang,
- Abstract要約: 低地球軌道(LEO)における衛星密度の増大は、宇宙の持続可能性に深刻な課題をもたらす。
従来の地上追跡システムは、レイテンシとカバレッジの制限によって制限されている。
本稿では,複数の衛星間での深層学習(DL)に基づく空間オブジェクト検出タスクの協調実行を可能にする新しい衛星クラスタリングフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 29.817805350971366
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The growing density of satellites in low-Earth orbit (LEO) presents serious challenges to space sustainability, primarily due to the increased risk of in-orbit collisions. Traditional ground-based tracking systems are constrained by latency and coverage limitations, underscoring the need for onboard, vision-based space object detection (SOD) capabilities. In this paper, we propose a novel satellite clustering framework that enables the collaborative execution of deep learning (DL)-based SOD tasks across multiple satellites. To support this approach, we construct a high-fidelity dataset simulating imaging scenarios for clustered satellite formations. A distance-aware viewpoint selection strategy is introduced to optimize detection performance, and recent DL models are used for evaluation. Experimental results show that the clustering-based method achieves competitive detection accuracy compared to single-satellite and existing approaches, while maintaining a low size, weight, and power (SWaP) footprint. These findings underscore the potential of distributed, AI-enabled in-orbit systems to enhance space situational awareness and contribute to long-term space sustainability.
- Abstract（参考訳）: 低地球軌道(LEO)における衛星密度の増大は、主に軌道内衝突のリスクが増大するため、宇宙の持続可能性に深刻な課題をもたらす。
従来の地上追跡システムは、遅延とカバレッジの制限によって制約されており、搭載された視覚ベースの空間オブジェクト検出(SOD)機能の必要性を強調している。
本稿では,複数の衛星にまたがる深層学習(DL)に基づくSODタスクの協調実行を可能にする,新しい衛星クラスタリングフレームワークを提案する。
このアプローチを支援するために、クラスタ化された衛星形成のための画像シナリオをシミュレートする高忠実度データセットを構築した。
検出性能を最適化するために、距離対応の視点選択戦略を導入し、最近のDLモデルを用いて評価を行う。
実験結果から, クラスタリング法は, 低サイズ, 重量, パワー (SWaP) のフットプリントを維持しながら, 単一サテライトおよび既存手法と比較して, 競合検出精度が向上することが示された。
これらの知見は、空間状況の認識を高め、長期の宇宙持続可能性に寄与する分散AI対応軌道システムの可能性を強調している。
関連論文リスト
- A Semi-Supervised Federated Learning Framework with Hierarchical Clustering Aggregation for Heterogeneous Satellite Networks [2.5774044809669663]
低軌道(LEO)衛星は6Gネットワークの重要なコンポーネントとして出現している。
階層的な集約を伴うLEO衛星ネットワークに適した,新しい半教師付きフェデレーション学習フレームワークを提案する。
提案手法は,他の比較手法と比較して処理時間(最大3倍)とエネルギー消費(最大4倍)を著しく削減できる。
論文 参考訳（メタデータ） (2025-07-30T02:47:14Z) - Constellation as a Service: Tailored Connectivity Management in Direct-Satellite-to-Device Networks [51.982277327318656]
グローバルなモバイルサービス拡張のための有望なソリューションとして,DS2D(Direct-Satellite-to-Device)通信が登場している。
マルチコンステレーションにおけるDS2D接続管理の課題は顕著である。
この記事では、コンステレーション・アズ・ア・サービス・フレームワークを提案します。
論文 参考訳（メタデータ） (2025-07-01T16:06:29Z) - SpaceTrack-TimeSeries: Time Series Dataset towards Satellite Orbit Analysis [7.471495336112591]
本研究は、Starlink衛星からの操作行動の代表的なデータセットを収集し、キュレートする。
このデータセットは、TLE(Two-Line Element)カタログデータと対応する高精度なエフェメリスデータを統合することで、より現実的で多次元的な宇宙物体の挙動モデリングを可能にする。
これは、機動検出法の実践的な展開と、ますます混雑する軌道環境における衝突リスクの評価に関する貴重な洞察を提供する。
論文 参考訳（メタデータ） (2025-06-16T01:57:50Z) - An Edge AI Solution for Space Object Detection [29.817805350971366]
宇宙物体検出タスクのための深層学習に基づく視覚センシングに基づくエッジAIソリューションを提案する。
我々は,これらのモデルの性能を,様々な現実的な空間オブジェクト検出シナリオで評価する。
論文 参考訳（メタデータ） (2025-05-08T14:51:19Z) - Low-altitude Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.72954660774002]
低地球軌道(LEO)衛星は、海上無線通信で広範囲にわたるデータ通信を支援するために使用できる。
LEO衛星を広範囲にカバーし、チャネルの開放性と組み合わせることで、通信プロセスはセキュリティ上のリスクに悩まされる可能性がある。
本稿では無人航空機による低高度衛星通信システムLEOについて述べる。
論文 参考訳（メタデータ） (2025-01-26T10:13:51Z) - SatFed: A Resource-Efficient LEO Satellite-Assisted Heterogeneous Federated Learning Framework [19.59862482196897]
資源効率の高い衛星支援ヘテロジニアスFLフレームワークであるSatFedを提案する。
SatFedは、高度に制約された衛星地上帯域の利用を最適化するために、鮮度に基づくモデルの優先順位付けキューを実装している。
実世界のLEO衛星ネットワークを用いた実験により、SatFedは最先端のベンチマークよりも優れた性能と堅牢性を発揮することが示された。
論文 参考訳（メタデータ） (2024-09-20T13:44:00Z) - A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。
本研究では,タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案し,タスク間の類似性を決定するための重み付きユークリッド距離法を提案する。
論文 参考訳（メタデータ） (2024-08-29T06:57:45Z) - Vision-Based Detection of Uncooperative Targets and Components on Small Satellites [6.999319023465766]
宇宙デブリと不活性衛星は、運用宇宙船の安全性と完全性に脅威をもたらす。
コンピュータビジョンモデルの最近の進歩は、そのような非協調的な目標を追跡する既存の方法を改善するために利用することができる。
本稿では,これらの物体を学習とコンピュータビジョンを用いて識別・監視する自律検出モデルを提案する。
論文 参考訳（メタデータ） (2024-08-22T02:48:13Z) - Collaborative Ground-Space Communications via Evolutionary Multi-objective Deep Reinforcement Learning [113.48727062141764]
地中直接通信を実現するために,分散コラボレーティブビームフォーミング(DCB)に基づくアップリンク通信パラダイムを提案する。
DCBは、低軌道(LEO)衛星と効率的な直接接続を確立することができない端末を分散アンテナとして扱う。
本稿では,進化的多目的深層強化学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-04-11T03:13:02Z) - Satellite Federated Edge Learning: Architecture Design and Convergence Analysis [47.057886812985984]
本稿では,FEDMEGAという新しいFEELアルゴリズムを提案する。
軌道内モデルアグリゲーションのための衛星間リンク(ISL)を統合することにより、提案アルゴリズムは低データレートと断続的なGSLの使用を著しく削減する。
提案手法は,環全リデューサに基づく軌道内アグリゲーション機構と,グローバルモデルアグリゲーションのためのネットワークフローベースのトランスミッションスキームを組み合わせたものである。
論文 参考訳（メタデータ） (2024-04-02T11:59:58Z) - Integrating LEO Satellite and UAV Relaying via Reinforcement Learning
for Non-Terrestrial Networks [51.05735925326235]
低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。
軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。
エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。
本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
論文 参考訳（メタデータ） (2020-05-26T05:39:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。