論文の概要: EOS-Bench: A Comprehensive Benchmark for Earth Observation Satellite Scheduling

• arxiv url: http://arxiv.org/abs/2604.25782v1
• Date: Tue, 28 Apr 2026 15:49:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.932641
• Title: EOS-Bench: A Comprehensive Benchmark for Earth Observation Satellite Scheduling
• Title（参考訳）: EOS-Bench:地球観測衛星スケジューリングのための総合ベンチマーク
• Authors: Qian Yin, Jiaxing Li, Jiaqi Cheng, Qizhang Luo, Annalisa Riccardi, Abhijit Chatterjee, Rafael Vazquez, Carlo Novara, Michalis Mavrovouniotis, Ponnuthurai Nagaratnam Suganthan, Shengzhou Bai, Xiaoxuan Hu, Lining Xing, Ming Xu, Shuang Li, Zixuan Zheng, Xin Shen, Xiaoyu Chen, Yi Gu, Yanjie Song, Witold Pedrycz, Evan L. Kramer, Laio Oriel Seman, Cletah Shoko, Guohua Wu, Xinwei Wang,
• Abstract要約: 本稿では,スケジューリング手法の体系的および再現性評価のための総合的なフレームワークであるEOS-Benchを紹介する。 高忠実度軌道力学とプラットフォーム制約を統合することで、EOS-Benchは1,390のシナリオと13,900のベンチマークインスタンスを生成する。 その結果,EOS-Benchはスケールと条件をまたいだ解法性能を効果的に区別できることがわかった。
• 参考スコア（独自算出の注目度）: 59.18180569653578
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Earth observation satellite imaging scheduling is a challenging NP-hard combinatorial optimisation problem central to space mission operations. While next-generation agile Earth observation satellites (EOS) increase operational flexibility, they also significantly raise scheduling complexity. The lack of a unified, open-source benchmark makes it difficult to compare algorithms across studies. This paper introduces EOS-Bench, a comprehensive framework for systematic and reproducible evaluation of scheduling methods. By integrating high-fidelity orbital dynamics and platform constraints, EOS-Bench generates 1,390 scenarios and 13,900 benchmark instances, spanning from small-scale validation cases to large coordination problems with up to 1,000 satellites and 10,000 requests. We further propose a scenario characterisation scheme to quantify structural difficulty based on factors such as opportunity density, task flexibility, conflict intensity, and satellite congestion. A multidimensional evaluation protocol is introduced, assessing performance across five metrics: task profit, completion rate, workload balance, timeliness, and runtime. The framework is evaluated using mixed-integer programming, heuristics, meta-heuristics, and deep reinforcement learning across both agile and non-agile settings. Results show that EOS-Bench effectively distinguishes solver performance across scales and conditions, revealing trade-offs between solution quality and computational efficiency, and providing deeper insight into scenario complexity. EOS-Bench offers a unified and extensible open testbed for advancing research in Earth observation satellite scheduling. The code and data are available at https://github.com/Ethan19YQ/EOS-Bench.
• Abstract（参考訳）: 地球観測衛星画像のスケジューリングは、宇宙ミッションの運用の中心となるNPハード組合せ最適化問題である。 次世代のアジャイル地球観測衛星(EOS)は運用の柔軟性を高める一方で、スケジューリングの複雑さも著しく高めている。 統一されたオープンソースベンチマークの欠如は、研究間でアルゴリズムを比較するのを困難にしている。 本稿では,スケジューリング手法の体系的および再現性評価のための総合的なフレームワークであるEOS-Benchを紹介する。 高忠実度軌道力学とプラットフォーム制約を統合することで、EOS-Benchは1,390のシナリオと13,900のベンチマークインスタンスを生成する。 さらに,機会密度,タスクの柔軟性,コンフリクト強度,衛星の混雑といった要因に基づいて,構造的難易度を定量化するシナリオ特性化手法を提案する。 多次元評価プロトコルを導入し、タスク利益、完了率、ワークロードバランス、タイムライン、ランタイムの5つのメトリクスのパフォーマンスを評価する。 このフレームワークは、混合整数プログラミング、ヒューリスティックス、メタヒューリスティックス、アジャイルと非アジャイルの両方で深い強化学習を用いて評価されている。 その結果、EOS-Benchは、スケールと条件をまたいだ解法性能を効果的に区別し、解の質と計算効率のトレードオフを明らかにし、シナリオの複雑さについて深い洞察を与えている。 EOS-Benchは、地球観測衛星のスケジューリングの研究を進めるために、統一的で拡張可能なオープンテストベッドを提供する。 コードとデータはhttps://github.com/Ethan19YQ/EOS-Bench.comで公開されている。

関連論文リスト

• Large-Scale Continual Scheduling and Execution for Dynamic Distributed Satellite Constellation Observation Allocation [1.3467991712339638]
  衛星への自律的な展開には、効率的な計算と通信が必要である。 動的マルチサテライトコンステレーション観測スケジューリング問題(DCOSP)を提案する。 D-NSS(Dynamic Incremental Neighborhood Search)アルゴリズムも提案する。
  論文  参考訳（メタデータ） (2026-01-08T00:10:45Z)
• Towards Realistic Earth-Observation Constellation Scheduling: Benchmark and Methodology [15.122110569996572]
  我々は、標準化されたベンチマークスイートと、Agile Earth Observation Satellitesの新しいスケジューリングモデルを紹介します。 当社のベンチマークスイートであるAEOS-Benchには、3,907ドルの微調整衛星資産と16,410ドルのシナリオが含まれています。 このベンチマークに基づいて,制約認識型アテンション機構を組み込んだTransformerベースのスケジューリングモデルであるAEOS-Formerを導入する。
  論文  参考訳（メタデータ） (2025-10-30T09:31:47Z)
• AI-Driven Collaborative Satellite Object Detection for Space Sustainability [29.817805350971366]
  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。
  論文  参考訳（メタデータ） (2025-08-01T16:31:55Z)
• Benchmarking LLMs' Swarm intelligence [51.648605206159125]
  大規模言語モデル(LLM)は複雑な推論の可能性を秘めているが、マルチエージェントシステム(MAS)における創発的協調の能力はほとんど探索されていない。 分散エージェントとして機能するLDMのタスクを体系的に評価する新しいベンチマークであるSwarmBenchを紹介する。 本稿では,協調効率の指標を提案し,創発的グループダイナミクスを解析する。
  論文  参考訳（メタデータ） (2025-05-07T12:32:01Z)
• 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)
• Multi-strip observation scheduling problem for ac-tive-imaging agile earth observation satellites [0.0]
  能動画像型地球観測衛星(MOSP)のマルチストリップ観測スケジューリング問題について検討する。 適応的大近傍探索アルゴリズム (ALNS) と非支配的ソート遺伝的アルゴリズム (NSGA-II) の組合せ力を統合した適応的二目的メメティクスアルゴリズムとともに、二目的最適化モデルを示す。 我々のモデルは既存のモデルよりも多用途であり、応用問題解決の能力を高める。
  論文  参考訳（メタデータ） (2022-07-04T08:35:57Z)
• Auction-based and Distributed Optimization Approaches for Scheduling Observations in Satellite Constellations with Exclusive Orbit Portions [0.45687771576879593]
  本研究では,複数のユーザと衛星による地球観測シナリオに関する問題に対するマルチエージェント割当手法の適用について検討する。 EOSCSPの解法として,分散制約最適化に基づく市場ベース手法と分散問題解決手法を提案する。 これらのコントリビューションは、実大規模または非常に矛盾する観測順序書に基づいて、ランダムに生成されたEOSCSPインスタンス上で実験的に評価される。
  論文  参考訳（メタデータ） (2021-06-04T09:34:20Z)

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。