論文の概要: Enabling Near-realtime Remote Sensing via Satellite-Ground Collaboration of Large Vision-Language Models

• arxiv url: http://arxiv.org/abs/2510.24242v1
• Date: Tue, 28 Oct 2025 09:48:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-29 15:35:37.005018
• Title: Enabling Near-realtime Remote Sensing via Satellite-Ground Collaboration of Large Vision-Language Models
• Title（参考訳）: 大型ビジョンランゲージモデルの衛星・球体協調によるリアルタイム遠隔センシングの実現
• Authors: Zihan Li, Jiahao Yang, Yuxin Zhang, Zhe Chen, Yue Gao,
• Abstract要約: 大型視覚言語モデル(LVLM)は、最近、低軌道(LEO)衛星によるリモートセンシング(RS)タスクにおいて大きな可能性を証明している。 RSタスクにおけるほぼリアルタイムLVLM推論のために設計された衛星地上協調システムGraceを提案する。
• 参考スコア（独自算出の注目度）: 31.075358564392342
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large vision-language models (LVLMs) have recently demonstrated great potential in remote sensing (RS) tasks (e.g., disaster monitoring) conducted by low Earth orbit (LEO) satellites. However, their deployment in real-world LEO satellite systems remains largely unexplored, hindered by limited onboard computing resources and brief satellite-ground contacts. We propose Grace, a satellite-ground collaborative system designed for near-realtime LVLM inference in RS tasks. Accordingly, we deploy compact LVLM on satellites for realtime inference, but larger ones on ground stations (GSs) to guarantee end-to-end performance. Grace is comprised of two main phases that are asynchronous satellite-GS Retrieval-Augmented Generation (RAG), and a task dispatch algorithm. Firstly, we still the knowledge archive of GS RAG to satellite archive with tailored adaptive update algorithm during limited satellite-ground data exchange period. Secondly, propose a confidence-based test algorithm that either processes the task onboard the satellite or offloads it to the GS. Extensive experiments based on real-world satellite orbital data show that Grace reduces the average latency by 76-95% compared to state-of-the-art methods, without compromising inference accuracy.
• Abstract（参考訳）: 大型視覚言語モデル(LVLM)は、最近、低軌道(LEO)衛星によるリモートセンシング(RS)タスク(例:災害監視)において大きな可能性を実証している。 しかし、実際のLEO衛星システムへの展開は、限られた計算資源と短い衛星と地上の接触によって妨げられ、ほとんど探索されていないままである。 RSタスクにおけるほぼリアルタイムLVLM推論のために設計された衛星地上協調システムGraceを提案する。 そこで我々は,衛星に小型LVLMをリアルタイムに展開するが,地上局(GS)には大型のLVLMを配置し,エンド・ツー・エンドの性能を保証する。 Graceは2つの主要なフェーズで構成されており、これは非同期衛星GSRetrieval-Augmented Generation (RAG)とタスクディスパッチアルゴリズムである。 まず,GS RAGから衛星アーカイブへの知識アーカイブと,限られた衛星地上データ交換期間中の適応更新アルゴリズムの調整を行った。 次に、衛星上のタスクを処理するか、GSにオフロードする信頼性ベースのテストアルゴリズムを提案する。 実世界の衛星軌道データに基づく大規模な実験により、グレースは推論精度を損なうことなく、最先端の手法と比較して平均遅延を76-95%削減した。

関連論文リスト

• ASTREA: Introducing Agentic Intelligence for Orbital Thermal Autonomy [51.56484100374058]
  ASTREAは、自律的な宇宙船運用のためのフライト・ヘリテージ・ハードウェア上で実行される最初のエージェント・システムである。 我々は,資源制約付き大規模言語モデル(LLM)エージェントと強化学習コントローラを,空間対応プラットフォームに適した非同期アーキテクチャに統合する。
  論文  参考訳（メタデータ） (2025-09-16T08:52:13Z)
• Joint AoI and Handover Optimization in Space-Air-Ground Integrated Network [48.485907216785904]
  ローアース軌道(LEO)衛星コンステレーションは、地球をカバーし、遅延を減少させる有望な解決策を提供する。 しかし、軌道力学による間欠的カバレッジと間欠的な通信窓に苦しむ。 我々の3層設計では、HAP-地上通信のための高容量衛星間通信と信頼性無線周波数(RF)リンクに、ハイブリッド自由空間光(FSO)リンクを用いる。
  論文  参考訳（メタデータ） (2025-09-16T06:16:56Z)
• 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)
• A Satellite-Ground Synergistic Large Vision-Language Model System for Earth Observation [17.112498759423296]
  大型ビジョン言語モデル(LVLM)は、データセンター内の低地球軌道(LEO)衛星地球観測画像の強力な解析能力を解き放つ。 高速衛星の動き、短い衛星地上局(GS)との接触窓、画像の大きさはデータのダウンロードに挑戦する。 LEO衛星ネットワークにおけるLVLMの展開方法と,効率的な衛星地上合成LVLM推論システムであるSpaceVerseの設計について検討する。
  論文  参考訳（メタデータ） (2025-07-08T07:24:34Z)
• 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)
• 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)
• Stitching Satellites to the Edge: Pervasive and Efficient Federated LEO Satellite Learning [1.3121410433987561]
  本稿では,衛星が大規模機械学習(ML)タスクを効率的に実行できるようにする新しいFL-SECフレームワークを提案する。 主な構成要素は、余分な衛星画像を特定して排除するディビジョン・アンド・コンカーによるパーソナライズドラーニングと、軌道毎に集約された「軌道モデル」を生成し、地上局に送る前に再訓練する軌道モデル再訓練である。 我々のアプローチではFL収束時間が30倍近く減少し、衛星のエネルギー消費は1.38ワットまで減少し、例外的な精度は96%まで維持される。
  論文  参考訳（メタデータ） (2024-01-28T02:01:26Z)
• Secure and Efficient Federated Learning in LEO Constellations using Decentralized Key Generation and On-Orbit Model Aggregation [1.4952056744888915]
  本稿では、LEO星座向けに設計されたセキュアFLアプローチであるFedSecureを提案する。 FedSecureは、各衛星のデータのプライバシーを、盗聴者、好奇心の強いサーバー、または好奇心の強い衛星に対して保護する。 また、収束の遅れは数日から数時間に劇的に減少するが、85.35%の精度に達する。
  論文  参考訳（メタデータ） (2023-09-04T21:36:46Z)
• Deep Learning Aided Routing for Space-Air-Ground Integrated Networks Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
  現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。 大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。 低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
  論文  参考訳（メタデータ） (2021-10-28T14:12:10Z)
• 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。