論文の概要: OrbitChain: Orchestrating In-orbit Real-time Analytics of Earth Observation Data

• arxiv url: http://arxiv.org/abs/2508.13374v1
• Date: Mon, 18 Aug 2025 21:33:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.72952
• Title: OrbitChain: Orchestrating In-orbit Real-time Analytics of Earth Observation Data
• Title（参考訳）: OrbitChain:地球観測データの軌道内リアルタイム分析のオーケストレーション
• Authors: Zhouyu Li, Zhijing Yang, Huayue Gu, Xiaojian Wang, Yuchen Liu, Ruozhou Yu,
• Abstract要約: OrbitChainは、地球観測星座内の複数の衛星にまたがる計算資源をオーケストレーションする、協調分析フレームワークである。 トラフィックルーティングアルゴリズムは、衛星間通信のオーバーヘッドを最小限に抑えるために考案された。 我々のシステムは、既存の地球観測分析フレームワークよりも60%以上の分析負荷を処理できる。
• 参考スコア（独自算出の注目度）: 10.73256070471637
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Earth observation analytics have the potential to serve many time-sensitive applications. However, due to limited bandwidth and duration of ground-satellite connections, it takes hours or even days to download and analyze data from existing Earth observation satellites, making real-time demands like timely disaster response impossible. Toward real-time analytics, we introduce OrbitChain, a collaborative analytics framework that orchestrates computational resources across multiple satellites in an Earth observation constellation. OrbitChain decomposes analytics applications into microservices and allocates computational resources for time-constrained analysis. A traffic routing algorithm is devised to minimize the inter-satellite communication overhead. OrbitChain adopts a pipeline workflow that completes Earth observation tasks in real-time, facilitates time-sensitive applications and inter-constellation collaborations such as tip-and-cue. To evaluate OrbitChain, we implement a hardware-in-the-loop orbital computing testbed. Experiments show that our system can complete up to 60% analytics workload than existing Earth observation analytics framework while reducing the communication overhead by up to 72%.
• Abstract（参考訳）: 地球観測分析は、多くの時間に敏感なアプリケーションを提供する可能性がある。 しかし、地上衛星接続の帯域幅が限られているため、既存の地球観測衛星からデータをダウンロードして分析するのに数時間や数日かかるため、タイムリーな災害対応のようなリアルタイムの要求は不可能である。 リアルタイム分析に向けて,地球観測星座内の複数の衛星にまたがる計算資源をオーケストレーションする,協調分析フレームワークOrbitChainを紹介する。 OrbitChainは分析アプリケーションをマイクロサービスに分解し、時間制約分析のために計算リソースを割り当てる。 トラフィックルーティングアルゴリズムは、衛星間通信オーバーヘッドを最小限に抑えるために考案された。 OrbitChainは、リアルタイムで地球観測タスクを完了するパイプラインワークフローを採用し、時間に敏感なアプリケーションや、チップとキューのような星間コラボレーションを促進する。 OrbitChainを評価するために,ハードウェア・イン・ザ・ループ軌道計算テストベッドを実装した。 実験の結果,既存の地球観測分析フレームワークよりも最大60%の作業負荷を達成でき,通信オーバーヘッドを最大72%削減できることがわかった。

関連論文リスト

• LunarLoc: Segment-Based Global Localization on the Moon [52.418394025548295]
  GPSのような従来の地球ベースのナビゲーションインフラが利用できない月面での自律的な運用には、グローバルなローカライゼーションが不可欠である。 本稿では,グローバルなローカライゼーション手法であるLunarLocを提案する。 LunarLocは、マルチセッショングローバルローカライゼーション実験において、サブcmレベルの精度を実現し、月のグローバルローカライゼーションにおける技術状況を大幅に上回っている。
  論文  参考訳（メタデータ） (2025-06-20T12:06:47Z)
• 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)
• ThinkGeo: Evaluating Tool-Augmented Agents for Remote Sensing Tasks [54.52092001110694]
  ThinkGeoは、構造化ツールの使用とマルチステップ計画を通じて、リモートセンシングタスクにおけるツール拡張エージェントを評価するために設計されたベンチマークである。 ThinkGeoは、ツール-インタラクションのパラダイムにインスパイアされたもので、さまざまな現実世界のアプリケーションにまたがる人間のクエリを含んでいる。 分析の結果、ツールの精度とモデル間の計画整合性に顕著な相違が明らかになった。
  論文  参考訳（メタデータ） (2025-05-29T17:59:38Z)
• On the use of Graphs for Satellite Image Time Series [3.2623791881739033]
  本稿では,遠隔センシングにおけるグラフベース手法の統合について検討する。 SITS分析に取り組むために,汎用的なグラフベースのパイプラインを提案することを目的としている。 本論文は,土地被覆マッピングと水量予測データセットに対するグラフベースのアプローチの可能性を明らかにするための,レビューと2つのケーススタディを含む。
  論文  参考訳（メタデータ） (2025-05-22T13:53:36Z)
• Earth Observation Satellite Scheduling with Graph Neural Networks [1.1684839631276702]
  本稿では,グラフニューラルネットワーク(GNN)と深部強化学習(DRL)に基づく観測結果の選択とスケジューリングを行う新しい手法を提案する。 シミュレーションにより,より大規模な実世界のインスタンスに一般化し,従来の手法と比較して非常に競争力のある性能で学習できることが示唆された。
  論文  参考訳（メタデータ） (2024-08-27T13:10:26Z)
• Deep Learning for Trajectory Data Management and Mining: A Survey and Beyond [58.63558696061679]
  軌道計算は、位置サービス、都市交通、公共安全など、様々な実用用途において重要である。 トラジェクトリ・コンピューティングのためのディープラーニング(DL4Traj)の開発と最近の進歩について概観する。 特に、軌道計算を増強する可能性を持つ大規模言語モデル(LLM)の最近の進歩をカプセル化する。
  論文  参考訳（メタデータ） (2024-03-21T05:57:27Z)
• Toward Autonomous Cooperation in Heterogeneous Nanosatellite Constellations Using Dynamic Graph Neural Networks [0.0]
  本稿では,星座とCPを動的ネットワークとしてモデル化し,その課題を克服する新しい手法を提案する。 トレーニングされたニューラルネットワークは、平均絶対誤差3.6分でネットワーク遅延を予測することができる。 シミュレーションの結果,提案手法は大型衛星ネットワークの接触計画の設計に成功し,従来のアプローチと同様,遅延率を29.1%向上させることができた。
  論文  参考訳（メタデータ） (2024-03-01T17:26:02Z)
• Federated Prompt Learning for Weather Foundation Models on Devices [37.88417074427373]
  天気予報のためのデバイス上のインテリジェンスでは、ローカルなディープラーニングモデルを使用して、集中型クラウドコンピューティングなしで気象パターンを分析する。 本稿では,FedPoD(Federated Prompt Learning for Weather Foundation Models on Devices)を提案する。 FedPoDは、通信効率を維持しながら、高度にカスタマイズされたモデルを得ることができる。
  論文  参考訳（メタデータ） (2023-05-23T16:59:20Z)
• Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
  本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。 本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
  論文  参考訳（メタデータ） (2022-04-24T15:23:25Z)
• Real-time Outdoor Localization Using Radio Maps: A Deep Learning Approach [59.17191114000146]
  LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。 我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
  論文  参考訳（メタデータ） (2021-06-23T17:27:04Z)
• A Maximum Independent Set Method for Scheduling Earth Observing Satellite Constellations [41.013477422930755]
  本稿では,衛星スケジューリング問題の解法として,実現不可能なグラフ表現を生成する手法を提案する。 光衛星のスカイサット星座と、最大24個の衛星のシミュレートされた星座の、要求された最大10,000の撮像位置のシナリオでテストされている。
  論文  参考訳（メタデータ） (2020-08-15T19:32:21Z)

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。