論文の概要: Glass Box at Orbit: A Constitutional AI Verification Framework for Trustworthy Autonomous CubeSat Intelligence

• arxiv url: http://arxiv.org/abs/2606.02967v1
• Date: Tue, 02 Jun 2026 00:09:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.648443
• Title: Glass Box at Orbit: A Constitutional AI Verification Framework for Trustworthy Autonomous CubeSat Intelligence
• Title（参考訳）: Glass Box at Orbit: 信頼できる自律キューブサットインテリジェンスのための憲法上のAI検証フレームワーク
• Abstract要約: Glass Boxは、オンボードAIポリシからすべての候補アクションをインターセプトする、実行時の立憲AI検証レイヤである。 承認されたすべてのアクションは、[0,1]の重み付き説明可能性スコアE(a_t)と完全な立憲監査ログを有する。 われわれはProject OctoberでGlass Boxをデモした。CubeSat級宇宙船の5層自律軌道インテリジェンスアーキテクチャをシミュレーションしたものだ。
• 参考スコア（独自算出の注目度）: 0.5599792629509229
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The space industry is quietly building toward something nobody has fully reckoned with: orbital data centers running thousands of autonomous AI workloads with no human in the loop, 550 km above the Earth. Microsoft, AWS, and a growing list of orbital computing ventures are moving cloud-scale processing off the ground and into orbit. What none of them have answered yet is the governance question -- when autonomous AI systems at orbital data center scale make wrong decisions in space, what stops those decisions before they become irreversible? We introduce Glass Box: a runtime constitutional AI verification layer that intercepts every candidate action from an onboard AI policy and evaluates it against six physics-grounded constitutional constraints and seven Linear Temporal Logic (LTL) safety invariants before a single command reaches any spacecraft subsystem. Every approved action carries a weighted explainability score E(a_t) in [0,1] and a complete constitutional audit log. We demonstrate Glass Box within Project October: a fully simulated five-layer autonomous orbital intelligence architecture for CubeSat-class spacecraft. We prove that Glass Box verification overhead is O(N_c) in the number of constitutional rules, independent of model size or spacecraft state dimension. We present a complete formal specification of the constitutional constraint grammar, seven LTL safety invariants verified by Z3 and NuSMV model checking, and a detailed worked example of Glass Box intercepting an unsafe inference request at eclipse-entry under degraded battery state. As orbital computing scales toward data center infrastructure, runtime constitutional verification is no longer a research novelty -- it is mission-critical safety infrastructure that every autonomous orbital platform will eventually require.
• Abstract（参考訳）: 宇宙産業は、地球上550kmのループに人間がいない何千もの自律的なAIワークロードを運用している軌道上のデータセンターという、誰も考えていないものに向けて、静かに構築されている。 Microsoft、AWS、および多くのオービタルコンピューティングベンチャーが、クラウドスケールの処理を地上から軌道に移している。 オービタルデータセンター規模の自律型AIシステムが宇宙で間違った決定をした場合、その決定が不可逆になる前に何を止めるのか? Glass Boxは、オンボードAIポリシからすべての候補アクションをインターセプトし、単一のコマンドが宇宙船のサブシステムに到達する前に、6つの物理基底型コンスティチューション制約と7つの線形時間論理(LTL)安全性不変量に対して評価する実行時立憲AI検証層である。 承認されたすべてのアクションは、[0,1]の重み付き説明可能性スコアE(a_t)と完全な立憲監査ログを有する。 われわれはProject OctoberでGlass Boxをデモした。CubeSat級宇宙船の5層自律軌道インテリジェンスアーキテクチャをシミュレーションしたものだ。 我々は,Glass Boxの検証オーバーヘッドが,モデルサイズや宇宙船の状態寸法によらず,構成規則の数でO(N_c)であることが証明された。 本稿では,Z3およびNuSMVモデル検査により検証された7つのLTL安全性不変量と,劣化した電池状態下での日食中における安全でない推論要求をGlass Boxがインターセプトする詳細な例を示す。 オービタルコンピューティングがデータセンターのインフラに向かってスケールするにつれ、ランタイム構成検証はもはや研究の新規性ではなく、すべての自律的なオービタルプラットフォームが最終的に要求するミッションクリティカルな安全インフラストラクチャである。

関連論文リスト

• PHOENIX: Fine-Tuned SLM-Powered Autonomous Satellite Lifetime Extension via Predictive Self-Healing and Multi-Agent AI Recovery [0.0]
  178回のミッションの調査では、2年経っても48-65%しか稼働していないことがわかった。 低軌道(LEO)のキューブサットは、96分ごとに約85分間、地上から物理的に到達できない。 我々は、衛星に独自の故障推論能力を与えるために、PHOENIXを提案する。
  論文  参考訳（メタデータ） (2026-08-07T11:38:24Z)
• ACE-Brain-0.5: A Unified Embodied Foundational Model for Physical Agentic AI [110.18670135256235]
  Embodied AIは、独立した知覚やアクションモジュールから、目標を理解し、計画し、進捗を監視し、経験から改善する物理的なエージェントへと移行している。 ACE-Brain-0.5は,ロボットの知性を5つの結合関数にまとめる統一的な基礎モデルである。 単一の8Bバックボーンは、最初の4つの機能をインスタンス化する: オブジェクトとアベイランスを接地し、3Dとエゴセントリックな空間関係を推論し、命令をサブゴールに分解し、ナビゲーションと操作アクションを生成し、検証と回復の進捗を推定する。
  論文  参考訳（メタデータ） (2026-07-05T17:43:06Z)
• The Unfireable Safety Kernel: Execution-Time AI Alignment for AI Agents and Other Escapable AI Systems [0.0]
  本稿では,AIシステムのアーキテクチャ制御を実現するRustリファレンス実装であるUnfireable Safety Kernelを紹介する。 我々は,生きた,回避可能なAIシステム,決定論的,自己改善的な世界モデルを管理するカーネルを,逃げ出す敵に対して評価する。
  論文  参考訳（メタデータ） (2026-06-24T17:32:27Z)
• SpaceMind: A Modular and Self-Evolving Embodied Vision-Language Agent Framework for Autonomous On-orbit Servicing [1.614712872796152]
  SpaceMindは、知識、ツール、推論を3次元に分解する自己進化型視覚言語モデルである。 われわれはSpaceMindを、5つの衛星、3つのタスクタイプ、2つの環境にまたがる192のクローズドループで検証する。 自己進化研究は、エージェントが失敗したエピソードから6つのグループのうち4つの失敗から回復することを示している。
  論文  参考訳（メタデータ） (2026-04-15T20:27:57Z)
• Decentralized Trust for Space AI: Blockchain-Based Federated Learning Across Multi-Vendor LEO Satellite Networks [0.45835414225547183]
  フェデレートされた衛星学習は、生データを共有せずにジョイントモデルトレーニングを可能にする。 LEOネットワークにおける信頼性の高いマルチベンダコラボレーションを促進するブロックチェーンベースのフレームワークであるOrbitChainを提案する。 OrbitChainは、プライバシ、セキュリティ、グローバルモデルの精度を改善しながら、計算と通信のオーバーヘッドを低減する。
  論文  参考訳（メタデータ） (2025-12-09T18:16:34Z)
• 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)
• Spacecraft Autonomous Decision-Planning for Collision Avoidance: a Reinforcement Learning Approach [0.0]
  本研究は、強化学習技術に基づく宇宙船における自律的なCA意思決定機能の実装を提案する。 提案フレームワークは,軌道上の破片の状態を不完全な監視し,正確な衝突回避策(CAM)を実行するためのポリシーをAIシステムが効果的に学習できるようにする。 目的は、CAMを自律的に実施するための意思決定プロセスを、人間の介入なしに宇宙船に委譲することである。
  論文  参考訳（メタデータ） (2023-10-29T10:15:33Z)
• Point Cloud Forecasting as a Proxy for 4D Occupancy Forecasting [58.45661235893729]
  有望な自己管理タスクの1つは、注釈のないLiDARシーケンスからの3Dポイントクラウド予測である。 本課題は,(1)センサ外在物(自動運転車の移動),(2)センサ内在物(特定のLiDARセンサに特有のサンプリングパターン),(3)シーン内の他の物体の形状と動きを暗黙的にキャプチャするアルゴリズムを必要とすることを示す。 センサ外在性および内在性に関する4D占有率予測のポイントクラウドデータをレンダリングすることにより、注釈のないLiDARシーケンスで占有率アルゴリズムをトレーニングし、テストすることができる。
  論文  参考訳（メタデータ） (2023-02-25T18:12:37Z)
• SpaceYOLO: A Human-Inspired Model for Real-time, On-board Spacecraft Feature Detection [0.0]
  衝突の危険箇所を特定するためには、リアルタイムで自動的な宇宙船の特徴認識が必要である。 新しいアルゴリズムSpaceYOLOは、最先端のオブジェクト検出器YOLOv5を、人間にインスパイアされた意思決定プロセスに基づいて、別個のニューラルネットワークで融合する。 SpaceYOLOの自律型宇宙船検出の性能は、ハードウェア・イン・ザ・ループ実験において通常のYOLOv5と比較される。
  論文  参考訳（メタデータ） (2023-02-02T02:11:39Z)
• Autonomous Asteroid Characterization Through Nanosatellite Swarming [0.0]
  本稿では,同時ナビゲーション・キャラクタリゼーション (SNAC) と呼ばれる推定問題のクラスを定義する。 その後、自律ナノサテライト・スワーミング(ANS)ミッションの概念のためにSNACフレームワークが開発された。 ANSは低SWaP-Cアビオニクスを備えた複数の自律ナノサテライトで構成されている。
  論文  参考訳（メタデータ） (2022-10-11T15:07:55Z)
• A CubeSat platform for space based quantum key distribution [62.997667081978825]
  我々は3UキューブサットであるSpooQy-1のフォローアップミッションについて報告し、軌道上で偏光に絡み合った光子の発生を実証した。 ミッションの次のイテレーションでは、偏光に絡み合った光子対のコンパクトなソースに基づいて、衛星と地上の量子鍵の分布を示す。 我々は,現在シンガポールで建設中の光地上局の設計について,量子信号を受信するための設計を簡潔に述べる。
  論文  参考訳（メタデータ） (2022-04-23T06:28:43Z)
• NeBula: Quest for Robotic Autonomy in Challenging Environments; TEAM CoSTAR at the DARPA Subterranean Challenge [105.27989489105865]
  本稿では,TEAM CoSTARが開発したアルゴリズム,ハードウェア,ソフトウェアアーキテクチャについて述べる。 NeBula (Networked Belief-Aware Perceptual Autonomy) と呼ばれる当社の自律的ソリューションを紹介します。
  論文  参考訳（メタデータ） (2021-03-21T19:42:26Z)
• AdvSim: Generating Safety-Critical Scenarios for Self-Driving Vehicles [76.46575807165729]
  我々は,任意のLiDARベースの自律システムに対して,安全クリティカルなシナリオを生成するための,敵対的フレームワークであるAdvSimを提案する。 センサデータから直接シミュレートすることにより、完全な自律スタックに対して安全クリティカルな敵シナリオを得る。
  論文  参考訳（メタデータ） (2021-01-16T23:23:12Z)

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。