論文の概要: An Automated Tip-and-Cue Framework for Optimized Satellite Tasking and Visual Intelligence
- arxiv url: http://arxiv.org/abs/2512.09670v1
- Date: Wed, 10 Dec 2025 14:14:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-11 15:14:53.547667
- Title: An Automated Tip-and-Cue Framework for Optimized Satellite Tasking and Visual Intelligence
- Title（参考訳）: 衛星タスクとビジュアルインテリジェンスを最適化するTip-and-Cueフレームワーク
- Authors: Gil Weissman, Amir Ivry, Israel Cohen,
- Abstract要約: 本稿では、衛星画像のタスクとスケジューリングのための完全に自動化されたTip-and-Cueフレームワークを提案する。
この文脈では、チップは外部データソースまたは以前の衛星画像の分析から生成される。
このフレームワークは海上追跡シナリオを通じて,軌道予測のための自動識別システム(AIS)データを用いて実証される。
- 参考スコア（独自算出の注目度）: 16.438250220791844
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The proliferation of satellite constellations, coupled with reduced tasking latency and diverse sensor capabilities, has expanded the opportunities for automated Earth observation. This paper introduces a fully automated Tip-and-Cue framework designed for satellite imaging tasking and scheduling. In this context, tips are generated from external data sources or analyses of prior satellite imagery, identifying spatiotemporal targets and prioritizing them for downstream planning. Corresponding cues are the imaging tasks formulated in response, which incorporate sensor constraints, timing requirements, and utility functions. The system autonomously generates candidate tasks, optimizes their scheduling across multiple satellites using continuous utility functions that reflect the expected value of each observation, and processes the resulting imagery using artificial-intelligence-based models, including object detectors and vision-language models. Structured visual reports are generated to support both interpretability and the identification of new insights for downstream tasking. The efficacy of the framework is demonstrated through a maritime vessel tracking scenario, utilizing Automatic Identification System (AIS) data for trajectory prediction, targeted observations, and the generation of actionable outputs. Maritime vessel tracking is a widely researched application, often used to benchmark novel approaches to satellite tasking, forecasting, and analysis. The system is extensible to broader applications such as smart-city monitoring and disaster response, where timely tasking and automated analysis are critical.
- Abstract（参考訳）: 衛星星座の増殖は、タスク遅延の低減と多様なセンサー能力と相まって、地球の自動観測の機会を拡大した。
本稿では,衛星画像のタスクとスケジューリングのために,完全に自動化されたTip-and-Cueフレームワークを提案する。
この文脈では、チップは外部データソースから、あるいは以前の衛星画像の分析から生成され、時空間的目標を特定し、下流計画のためにそれらを優先順位付けする。
対応するキューは、センサーの制約、タイミング要求、ユーティリティ機能を含む、レスポンスで策定されたイメージングタスクである。
このシステムは、予測されたタスクを自律的に生成し、各観測の期待値を反映した連続的なユーティリティ機能を使用して複数の衛星をまたがるスケジューリングを最適化し、オブジェクト検出器や視覚言語モデルを含む人工知能モデルを用いて結果の画像を処理する。
構造化されたビジュアルレポートは、解釈可能性と下流タスクのための新しい洞察の識別の両方をサポートするために生成される。
本フレームワークの有効性は, 海上船舶追跡シナリオを通じて, 軌道予測, 目標観測, 動作可能な出力生成のための自動識別システム(AIS)データを用いて実証される。
海上船舶追跡は広く研究されているアプリケーションであり、しばしば衛星のタスク、予測、分析に対する新しいアプローチのベンチマークに使用される。
このシステムは、スマートシティの監視や災害対応といった、タイムリーなタスクや自動分析が重要な幅広いアプリケーションに拡張可能である。
関連論文リスト
- AerialMind: Towards Referring Multi-Object Tracking in UAV Scenarios [64.51320327698231]
UAVシナリオにおける最初の大規模RMOTベンチマークであるAerialMindを紹介する。
我々は、革新的な半自動協調型エージェントベースラベリングアシスタントフレームワークを開発した。
また,視覚言語表現学習を協調的に強化する新しい手法であるHawkEyeTrackを提案する。
論文 参考訳（メタデータ） (2025-11-26T04:44:27Z) - Real-Time Instrument Planning and Perception for Novel Measurements of Dynamic Phenomena [2.489387152315786]
追従型高分解能センサの自律軌道計画により,衛星画像中の動的事象の検出を合成し,ピンポイント計測を行う。
従来の機械学習アルゴリズムや畳み込みニューラルネットワークなどの分類手法を解析する。
シミュレーションにより,高分解能機器の実用性は,ベースラインに比べて桁違いに向上したことを示す。
論文 参考訳（メタデータ） (2025-09-03T17:32:15Z) - ThinkGeo: Evaluating Tool-Augmented Agents for Remote Sensing Tasks [64.86209459039313]
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エージェントベンチマークである。
我々はReActスタイルの対話ループを実装し,486 個の構造化エージェントタスク上でのオープンソース LLM とクローズドソース LLM の両方を1,773 個の専門家が検証した推論ステップで評価する。
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) - Next-Best-Trajectory Planning of Robot Manipulators for Effective Observation and Exploration [0.26999000177990923]
Next-Best-Trajectory原則は、動的環境で動作するロボットマニピュレータ向けに開発された。
本稿では,環境モデリングにボクセルマップを用い,関心点を中心とした視点からレイキャストを行い,情報ゲインを推定する。
グローバル・エルゴード・トラジェクトリ・プランナーは、ローカル・プランナーにオプションの参照・トラジェクトリを提供し、探索を改善し、ローカル・ミニマを避けるのに役立つ。
論文 参考訳（メタデータ） (2025-03-28T16:34:29Z) - Learning Satellite Pattern-of-Life Identification: A Diffusion-based Approach [10.811177660290726]
衛星の挙動をモニターする現在のアプローチは、専門家の知識と低スケールのルールベースのシステムに依存している。
本稿では, 専門知識への依存を著しく排除する, 衛星パタン・オブ・ライフ(PoL)識別のための新しい生成手法を提案する。
実際の衛星データを用いたケーススタディでは、運用行動パターンの識別、追跡の強化、空間状況認識に対するアプローチの変容の可能性が確認されている。
論文 参考訳（メタデータ） (2024-12-14T12:39:19Z) - JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。
このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。
本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
論文 参考訳（メタデータ） (2023-11-05T18:59:31Z) - 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) - 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。