論文の概要: Onboard Marine Anomaly Detection on $Φ$sat-2: From Simulation-Based Development to In-Orbit Demonstration
- arxiv url: http://arxiv.org/abs/2610.11735v1
- Date: Thu, 08 Oct 2026 11:31:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:53.979944
- Title: Onboard Marine Anomaly Detection on $Φ$sat-2: From Simulation-Based Development to In-Orbit Demonstration
- Title（参考訳）: $$sat-2の海面異常検出:シミュレーションに基づく開発から軌道上実証まで
- Abstract要約: 本稿では、欧州宇宙機関の$sat-2ミッションに配備された軽量海洋異常検出パイプラインの開発、オンボード統合、および打ち上げ後の適応から得られた経験について述べる。
本手法は, 海面分割, 海洋域の自己監督的特徴符号化, 通常の海面状態からの偏差に基づく一般的な異常検出, および選択された異常型の任意評価を併用する。
- 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: Onboard Artificial Intelligence can improve responsiveness and bandwidth efficiency of Earth Observation systems by processing data directly on the satellite. This paper presents the experience gained from the development, onboard integration, and post-launch adaptation of a lightweight marine anomaly detection pipeline deployed on the European Space Agency's $Φ$sat-2 mission. The application combines sea segmentation, self-supervised feature encoding of marine regions, generic anomaly detection based on deviations from a normal sea state, and optional characterization of selected anomaly types. Before launch, the pipeline was trained and validated on simulated $Φ$sat-2 imagery to assess algorithmic performance and compatibility with resource-constrained onboard hardware. After integration and functional validation in the mission environment, early experiments on real $Φ$sat-2 acquisitions revealed a significant mismatch between simulated and in-orbit data. The pipeline was therefore retrained on real Level-1 imagery using an improved annotation strategy to better handle ambiguous marine regions, substantially enhancing performance. Beyond demonstrating the onboard feasibility of the application, the $Φ$sat-2 experience highlights the importance of robust annotation strategies and sensor-aware design, and shows that simulation-based development is valuable for pre-flight risk reduction, while reliable scientific validation requires representative in-orbit data and should be clearly distinguished from functional validation.
- Abstract（参考訳）: 搭載された人工知能は、衛星に直接データを処理することで、地球観測システムの応答性と帯域幅効率を向上させることができる。
本稿では、欧州宇宙機関(ESA)のミッションに配備された軽量海洋異常検出パイプラインの開発、オンボード統合、および打ち上げ後の適応から得られた経験について述べる。
本手法は, 海面分割, 海洋域の自己監督的特徴符号化, 通常の海面状態からの偏差に基づく一般的な異常検出, および選択された異常型の任意評価を併用する。
打ち上げ前にパイプラインは、アルゴリズムのパフォーマンスとリソース制約のあるオンボードハードウェアとの互換性を評価するために、$$$sat-2のシミュレーションに基づいて訓練され、検証された。
ミッション環境での統合と機能検証の後、実際の$$$sat-2の取得に関する初期の実験では、シミュレーションされたデータと軌道上のデータの間に大きなミスマッチがあることが判明した。
そのため、パイプラインは改良されたアノテーション戦略を用いて実際のレベル1画像で再訓練され、あいまいな海洋地域をうまく扱えるようになり、性能が大幅に向上した。
アプリケーションの実現可能性を示す以外に、$$$sat-2エクスペリエンスはロバストなアノテーション戦略とセンサー対応設計の重要性を強調し、シミュレーションベースの開発が飛行前のリスク低減に有用であることを示し、信頼性の高い科学的検証には軌道上の代表データが必要であり、機能的な検証と明確に区別する必要がある。
関連論文リスト
- Sim-to-Real Transfer and Robustness Evaluation of Reinforcement Learning Control with Integrated Perception on an ASV for Floating Waste Capture [4.05330458826742]
本稿では,カメラによる偏光認識と,浮き汚れ検出・捕捉のための軽量DRL制御器を組み合わせたフィールド検証システムを提案する。
カメラ検出は水面のターゲットポイントに変換され、完全にシミュレーションで訓練されたコントローラによって追跡され、改造されたAVSプラットフォームに直接展開される。
論文 参考訳（メタデータ） (2026-05-04T12:29:15Z) - WUTDet: A 100K-Scale Ship Detection Dataset and Benchmarks with Dense Small Objects [68.44670476527155]
WUTDetは100,576イメージと381,378のアノテートされた船舶インスタンスを備えた大規模な船舶検出データセットである。
CNN, Transformer, Mambaの3つの主流検出アーキテクチャから20のベースラインモデルを体系的に評価した。
Ship-GENの結果は、WUTDetでトレーニングされたモデルは、異なるデータ分布下でより強力な一般化を示すことを示している。
論文 参考訳（メタデータ） (2026-04-09T03:28:05Z) - VOGUE: Guiding Exploration with Visual Uncertainty Improves Multimodal Reasoning [62.09195763860549]
検証可能な報酬(RLVR)による強化学習は、大きな言語モデル(LLM)の推論を改善するが、探索に苦労する。
出力(テキスト)から入力(視覚)空間へ探索をシフトする新しい手法である$textbfVOGUE(Visual Uncertainty Guided Exploration)を紹介した。
本研究は,視覚入力の本質的不確実性における基盤探索が,マルチモーダル推論を改善するための効果的な戦略であることを示す。
論文 参考訳（メタデータ） (2025-10-01T20:32:08Z) - Neptune-X: Active X-to-Maritime Generation for Universal Maritime Object Detection [54.1960918379255]
Neptune-Xは、海洋オブジェクト検出のためのデータ中心の生成-選択フレームワークである。
X-to-Maritime(X-to-Maritime)は、多様で現実的な海洋シーンを合成する多モード条件生成モデルである。
提案手法は,海上シーン合成における新しいベンチマークを設定し,検出精度を大幅に向上させる。
論文 参考訳（メタデータ） (2025-09-25T04:59:02Z) - ACMamba: Fast Unsupervised Anomaly Detection via An Asymmetrical Consensus State Space Model [51.83639270669481]
ハイパースペクトル画像(HSI)における教師なし異常検出は、背景から未知のターゲットを検出することを目的としている。
HSI研究は、HSIの高次元特性と高密度サンプリングベーストレーニングパラダイムにより、計算コストの急激さによって妨げられている。
計算コストを大幅に削減する非対称コンセンサス状態空間モデル(ACMamba)を提案する。
論文 参考訳（メタデータ） (2025-04-16T05:33:42Z) - Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied
Scenarios [66.05091704671503]
本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。
また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
論文 参考訳（メタデータ） (2024-02-04T08:41:20Z) - Anomalous NO2 emitting ship detection with TROPOMI satellite data and
machine learning [0.08602553195689512]
2021年からは、北海とバルト海で活動する船舶に対して、より要求の高い$textNO_text2$の排出制限が導入された。
本研究では,TROPOMI衛星データに基づく機械学習モデルの組み合わせを用いて,潜在的に適合しない船舶の自動選択手法を提案する。
論文 参考訳（メタデータ） (2023-02-24T16:54:47Z) - Cyber-resilience for marine navigation by information fusion and change
detection [1.7205106391379026]
サイバーレジリエンスは、海洋船の自律航法ソリューションの開発において、ますます関心が高まりつつある。
本稿では,3つのエッジを持つプリズムを通した海洋航法におけるサイバーレジリエンス特性について検討する。
沿岸航法に用いるセンサ信号の診断と緩和のための2段階推定器を提案する。
論文 参考訳（メタデータ） (2022-02-01T12:56:02Z) - Learning Navigation Costs from Demonstration in Partially Observable
Environments [24.457042947946025]
本稿では、未知の部分観測可能な環境における安全かつ効率的な自律ナビゲーションを実現するために、逆強化学習(IRL)に焦点を当てる。
本研究では, 確率的占有エンコーダと, 占有特性に繰り返し依存するコストエンコーダの2つの部分からなるコスト関数表現を開発する。
本モデルは,ロボットナビゲーションタスクにおけるベースラインIRLアルゴリズムの精度を上回り,トレーニングとテストタイム推論の効率を大幅に向上させる。
論文 参考訳（メタデータ） (2020-02-26T17:15:10Z)
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。