論文の概要: Constraint-Aware Execution Planning for Hybrid Space-Ground Compute Workloads
- arxiv url: http://arxiv.org/abs/2605.04052v1
- Date: Wed, 04 Mar 2026 15:35:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 06:56:26.536759
- Title: Constraint-Aware Execution Planning for Hybrid Space-Ground Compute Workloads
- Title（参考訳）: ハイブリッド宇宙空間計算負荷の制約を考慮した実行計画
- Authors: Subhadip Mitra,
- Abstract要約: ローアース・オービタル(LEO)衛星は、機上処理が可能な計算ハードウェアをますます持ち込んでいるが、各衛星は軌道毎のダウンリンクよりも約2桁多くのデータを生成する。
このミスマッチはオペレーターに、すべてのワークロードに対して、オンボードで実行され、地上で実行されるワークロードを決定するように強制する。
本稿では,衛星識別を行う計画システムであるConstraint-Aware Execution(CAE)について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low Earth orbit (LEO) satellites increasingly carry compute hardware capable of on-board processing, yet each satellite generates roughly two orders of magnitude more data than it can downlink per orbit. This mismatch forces operators to decide, for every workload, which computation runs on-board and which runs on the ground, how intermediate data crosses the space-ground boundary through narrow contact windows, and how to maintain delivery guarantees over noisy channels. We present Constraint-Aware Execution (CAE), a planning system that takes a satellite identifier, a workload expressed as a directed acyclic graph of processing steps, and a set of orbital and resource constraints, and produces a deterministic, physically grounded execution plan. CAE operates in four phases: (1) orbital environment construction via SGP4 propagation with eclipse detection and ground station pass prediction, (2) compute placement using a cost model that compares on-board resource consumption against transfer overhead, (3) transfer insertion with adaptive forward error correction and security overhead modeling, and (4) greedy first-fit scheduling into orbital windows under power, thermal, compute, and communication constraints. We evaluate CAE against five representative workload patterns across satellites in distinct orbital regimes and demonstrate that the system produces feasible plans in under two seconds, correctly exploits onboard data reduction to minimize transfer volume, and adapts FEC and multi-pass allocation to varying channel conditions. CAE is deployed as a production API computing plans for any cataloged satellite using live two-line element data.
- Abstract（参考訳）: ローアース・オービタル(LEO)衛星は、機上処理が可能な計算ハードウェアをますます持ち込んでいるが、各衛星は軌道毎のダウンリンクよりも約2桁多くのデータを生成する。
このミスマッチは、演算子に対して、計算がオンボードで実行され、地上で実行されるすべてのワークロード、中間データが狭いコンタクトウィンドウを介して空間境界を横断する方法、ノイズの多いチャネル上でのデリバリ保証の維持方法を決定することを強制する。
本稿では,衛星識別子と処理ステップの有向非循環グラフとして表現された作業負荷と,軌道および資源制約の集合を考慮し,決定論的で物理的に根拠付けられた実行計画を生成する,制約対応実行システム(CAE)を提案する。
CAEは,(1)日食検出と地上局通過予測によるSGP4伝搬による軌道環境構築,(2)移動オーバーヘッドに対するオンボードリソース消費を比較するコストモデルを用いた計算,(3)適応的な前方誤差補正とセキュリティオーバーヘッドモデリングによる転送挿入,(4)電力,熱,計算,通信制約下でのオービタルウインドウへのグレディーな第1次スケジューリングの4段階で動作する。
衛星間における5つの代表的なワークロードパターンに対するCAEの評価を行い、本システムは2秒未満で実現可能なプランを生成し、転送量を最小限に抑えるためにオンボードデータ削減を正しく活用し、FECおよびマルチパス割り当てを様々なチャネル条件に適応することを示した。
CAEは、ライブ2行の要素データを使用して、カタログ化された衛星のプロダクションAPIコンピューティングプランとしてデプロイされる。
関連論文リスト
- Space Network of Experts: Architecture and Expert Placement [53.89437186709926]
宇宙データセンターは、エネルギー集約型大規模言語モデル(LLM)を実行するための有望なプラットフォームとして構想されている
しかし、重要な課題の1つは、衛星ネットワークにおける大規模LSMの効率的な分散配置である。
本稿では,広く普及しているMix-of-Experts(MoE)モデルの分散実行を目的としたSpace Network of Experts(Space-XNet)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-01T08:40:31Z) - 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) - TLE-Based A2C Agent for Terrestrial Coverage Orbital Path Planning [0.0]
低地球軌道(LEO)の混雑は、地球観測衛星の効率的な展開と安全な運用に永続的な課題をもたらす。
本研究では,Advantage Actor-Critic (A2C) アルゴリズムを用いて衛星軌道パラメータを精密な地上被覆のために最適化する強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-14T17:44:51Z) - Space-O-RAN: Enabling Intelligent, Open, and Interoperable Non Terrestrial Networks in 6G [16.472121677010268]
本稿では,Open RANの原理を階層的な閉ループ制御により衛星コンステレーションに拡張する分散制御アーキテクチャであるSpace-O-RANを紹介する。
軽量のglspldappは衛星をオンボードで運用し、恒久的な地上アクセスに頼ることなく、スケジューリングやビームステアリングなどのリアルタイム機能を実現できる。
鍵となるイネーブルは、O-RANインタフェースを衛星リンクに動的にマッピングし、様々な条件下で適応的なシグナリングをサポートすることである。
論文 参考訳（メタデータ） (2025-02-21T21:03:37Z) - SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
無線対応経路計画フレームワークであるSCoTTを提案する。
SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。
また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
論文 参考訳（メタデータ） (2024-11-27T10:45:49Z) - 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) - Scheduling for On-Board Federated Learning with Satellite Clusters [39.78458023920483]
オンボードのフェデレーション学習により、衛星は機械学習モデルを協調的に訓練することができる。
本稿では,衛星間リンクに接続された星座のFLのスケジューリング手法を提案する。
論文 参考訳（メタデータ） (2024-02-14T11:26:30Z) - Optimal Entanglement Distribution using Satellite Based Quantum Networks [16.797145253236607]
衛星量子通信は、地理的に非常に長距離に分離された地上局間で高品質な量子絡み合いを分散することができる。
この研究は、軌道を公転する衛星の星座を用いて、一対の地上局に二部体の絡み合いを最適に分配することに焦点を当てている。
論文 参考訳（メタデータ） (2022-05-24T20:32:00Z) - 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。