論文の概要: Assessing the Added Value of Onboard Earth Observation Processing with the IRIDE HEO Service Segment
- arxiv url: http://arxiv.org/abs/2604.07120v1
- Date: Wed, 08 Apr 2026 14:14:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-09 17:30:51.574087
- Title: Assessing the Added Value of Onboard Earth Observation Processing with the IRIDE HEO Service Segment
- Title（参考訳）: IRIDE HEOサービスセグメントを用いた地上観測処理の付加価値評価
- Authors: Parampuneet Kaur Thind, Charles Mwangi, Giovanni Varetto, Lorenzo Sarti, Andrea Papa, Andrea Taramelli,
- Abstract要約: IIDE (International Report for a Innovative Defense of Earth) は、イタリア政府が主導する国際地球観測計画である。
本稿では、地上のみのアーキテクチャの限界について検討し、運用サービスレベルでのオンボード処理の付加価値を評価する。
既存のCopernicusサービスを置き換える代わりに、IRIDE HEO機能は、下流の緊急および土地管理をサポートするために画像駆動の事前分類を提供する補完層として位置づけられている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Current operational Earth Observation (EO) services, including the Copernicus Emergency Management Service (CEMS), the European Forest Fire Information System (EFFIS), and the Copernicus Land Monitoring Service (CLMS), rely primarily on ground-based processing pipelines. While these systems provide mature large-scale information products, they remain constrained by downlink latency, bandwidth limitations, and limited capability for autonomous observation prioritisation. The International Report for an Innovative Defence of Earth (IRIDE) programme is a national Earth observation initiative led by the Italian government to support public authorities through timely, objective information derived from spaceborne data. Rather than a single constellation, IRIDE is designed as a constellation of constellations, integrating heterogeneous sensing technologies within a unified service-oriented architecture. Within this framework, Hawk for Earth Observation (HEO) enables onboard generation of data products, allowing information extraction earlier in the processing chain. This paper examines the limitations of ground-only architectures and evaluates the added value of onboard processing at the operational service level. The IRIDE burnt-area mapping service is used as a representative case study to demonstrate how onboard intelligence can support higher spatial detail (sub-three-metre ground sampling distance), smaller detectable events (minimum mapping unit of three hectares), and improved system responsiveness. Rather than replacing existing Copernicus services, the IRIDE HEO capability is positioned as a complementary layer providing image-driven pre-classification to support downstream emergency and land-management workflows. This work highlights the operational value of onboard intelligence for emerging low-latency EO service architectures.
- Abstract（参考訳）: 現在、コペルニクス緊急管理サービス(CEMS)、欧州森林火災情報システム(EFFIS)、コペルニクス土地監視サービス(CLMS)など、主に地上の処理パイプラインに依存している。
これらのシステムは、成熟した大規模情報製品を提供する一方で、ダウンリンクレイテンシ、帯域幅制限、自律的な観測優先順位付けの制限によって制約されている。
IIDE (International Report for an Innovative Defense of Earth) は、イタリア政府主導の国際地球観測イニシアチブである。
1つの星座ではなく、IRIDEは星座のコンステレーションとして設計され、統一されたサービス指向アーキテクチャに異質なセンシング技術を統合する。
このフレームワーク内では、Hawk for Earth Observation (HEO)がデータ生成のオンボード生成を可能にし、処理チェーンの早い段階で情報抽出を可能にする。
本稿では、地上のみのアーキテクチャの限界について検討し、運用サービスレベルでのオンボード処理の付加価値を評価する。
IRIDEバーント領域マッピングサービスは,高空間的詳細(3m以下の地中サンプリング距離),より小さな検出可能なイベント(3ヘクタールの最小マッピング単位),システム応答性の向上を実証するための代表的なケーススタディとして使用される。
既存のCopernicusサービスを置き換えるのではなく、IRIDE HEO機能は、下流の緊急および土地管理ワークフローをサポートするためにイメージ駆動の事前分類を提供する補完レイヤとして位置づけられている。
この作業は、新興の低レイテンシEOサービスアーキテクチャにおけるオンボードインテリジェンスの運用価値を強調します。
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) - 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) - UAV Object Detection and Positioning in a Mining Industrial Metaverse with Custom Geo-Referenced Data [6.361348748202732]
本研究では,UAVに基づくセンシング,LiDAR地形モデリング,深層学習に基づく物体検出を組み合わせた統合システムアーキテクチャを提案する。
提案するパイプラインには、ジオレファレンス、3次元再構成、オブジェクトの局所化が含まれており、構造化された空間出力を産業用デジタルツインプラットフォームに統合することができる。
論文 参考訳（メタデータ） (2025-06-16T13:59:56Z) - On-Air Deep Learning Integrated Semantic Inference Models for Enhanced Earth Observation Satellite Networks [28.69148416385582]
ドメイン適応型大規模言語モデル(LLM)は、生および処理されたEOデータの統合を可能にするソリューションを提供する。
本研究は,高度EOシステムにおける意味推論と深層学習の徹底的な検討を行う。
データ伝送効率を向上させるために設計されたEO衛星ネットワークにおけるセマンティック通信のための革新的なアーキテクチャを提供する。
論文 参考訳（メタデータ） (2024-09-23T17:42:05Z) - MineSegSAT: An automated system to evaluate mining disturbed area
extents from Sentinel-2 imagery [0.0]
本稿では,Sentinel-2データに基づいて学習したSegFormerディープラーニングセグメンテーションアーキテクチャを用いて,鉱物抽出サイトの環境影響領域を予測する新しい手法を提案する。
このデータは2021年にカナダ西部の非重複地域から収集された。
AWS上のデータにアクセスするためのモデルと進行中のAPIにより、自動化ツールが作成され、既知の鉱業サイトを取り巻く混乱した領域を監視できる。
論文 参考訳（メタデータ） (2023-11-03T02:52:01Z) - Olive Branch Learning: A Topology-Aware Federated Learning Framework for
Space-Air-Ground Integrated Network [19.059950250921926]
SAGINの助けを借りてAIモデルをトレーニングすることは、高度に制約されたネットワークトポロジ、非効率なデータ転送、プライバシー問題といった課題に直面している。
まず,SAGINのための新しいトポロジ対応フェデレーション学習フレームワーク,すなわちOlive Branch Learning (OBL)を提案する。
我々はOBLフレームワークとCNASAアルゴリズムを拡張し、より複雑なマルチ軌道衛星ネットワークに適応する。
論文 参考訳（メタデータ） (2022-12-02T14:51:42Z) - A Data Cube of Big Satellite Image Time-Series for Agriculture
Monitoring [0.0]
共通農業政策(CAP)の近代化は、大規模かつ頻繁な農地の監視を必要とする。
我々は、光学式および合成開口レーダ(SAR)画像の多次元立方体への発見、前処理、インデックス化のための自動化、モジュール化、エンドツーエンドのフレームワークである農業監視データキューブ(ADC)を提案する。
また、ADC上に強力なツールセットを提供しており、i) 下流の機械学習タスクを配信するためのビッグデータの分析可能な特徴空間の生成、i) 監視に関連するサービスを通じての衛星画像時系列(SITS)分析のサポートを含む。
論文 参考訳（メタデータ） (2022-05-16T15:26:23Z) - Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge
TPU [58.720142291102135]
本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。
我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
論文 参考訳（メタデータ） (2022-04-07T08:53:18Z) - ADAPT: An Open-Source sUAS Payload for Real-Time Disaster Prediction and
Response with AI [55.41644538483948]
小型無人航空機システム(sUAS)は、多くの人道支援や災害対応作戦において顕著な構成要素となっている。
我々は,SUAS上にリアルタイムAIとコンピュータビジョンをデプロイするための,オープンソースのADAPTマルチミッションペイロードを開発した。
本研究では,河川氷の状態を監視し,破滅的な洪水現象をタイムリーに予測するための,リアルタイム・飛行中の氷分断の例を示す。
論文 参考訳（メタデータ） (2022-01-25T14:51:19Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z)
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。