論文の概要: ATLAS: Expert-Guided Sustainable Satellite Backhaul for Off-Grid Wildlife Monitoring

• arxiv url: http://arxiv.org/abs/2610.24910v1
• Date: Sat, 17 Oct 2026 23:12:21 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:18:43.361377
• Title: ATLAS: Expert-Guided Sustainable Satellite Backhaul for Off-Grid Wildlife Monitoring
• Title（参考訳）: ATLAS:専門家がガイドしたサステナブル・サステナブル・サテライト・バックホール
• Abstract要約: textscATLASは、オフグリッド野生生物モニタリングのためのエキスパートガイド付きエッジ・ツー・クラウドシステムである。 textscATLASは平均クリップ選択精度を87.4%で達成し、平均ベースライン精度を26.4%上回る。
• 参考スコア（独自算出の注目度）: 27.117147681173307
• License:
• Abstract: Remote wildlife monitoring increasingly depends on high-fidelity cameras and sensors deployed far from grid power and terrestrial networks. Low Earth orbit satellite links can provide connectivity in these settings, but their high power draw and variable bandwidth, combined with intermittent on-site solar harvesting, make continuous backhaul infeasible. Current systems therefore filter at the edge, with motion triggers that waste limited energy and bandwidth on environmental artifacts, or fixed vision models that cannot follow evolving expert objectives. We present \textsc{ATLAS}, an expert-guided edge-to-cloud system that treats satellite backhaul as a scarce resource for off-grid wildlife monitoring. \textsc{ATLAS} uses foundation models to compile natural-language expert intent into semantic scoring logic, combines semantic relevance with environmental and energy state, and uses a constrained reinforcement-learning scheduler to decide which clips to upload and when. As a representative case study, we deployed \textsc{ATLAS} for over six months across 18 off-grid salmon-monitoring river sites. \textsc{ATLAS} achieves a mean clip-selection accuracy of $87.4\%$, exceeding mean baseline accuracy by $26.4$ percentage points, while maintaining near-continuous operation through low-solar periods in which baselines incur 16.0\% downtime.
• Abstract（参考訳）: リモート野生生物のモニタリングは、グリッド電力や地上ネットワークから遠く離れた場所に配置された高忠実度カメラやセンサーにますます依存している。 低軌道衛星リンクはこれらの設定で接続性を提供することができるが、高出力のドローと可変帯域幅、そして間欠的なオンサイト太陽の収穫と組み合わせることで、連続したバックホールが実現不可能となる。 そのため、現在のシステムはエッジをフィルタリングし、環境人工物に限られたエネルギーと帯域を浪費するモーショントリガーや、進化する専門家の目的に追随できない固定されたビジョンモデルを使用する。 我々は,衛星バックホールをオフグリッド野生生物モニタリングの希少な資源として扱う,専門家が指導するエッジ・ツー・クラウドシステムである‘textsc{ATLAS} を提示する。 \textsc{ATLAS} は、自然言語の専門家意図をセマンティックスコアリングロジックにコンパイルするために基礎モデルを使用し、セマンティックな関連性と環境とエネルギー状態を組み合わせるとともに、制約付き強化学習スケジューラを使用して、どのクリップをアップロードするかを判断する。 代表的なケーススタディとして,18ヶ所の沖合サケモニタリング河川に6ヶ月以上にわたり, textsc{ATLAS} を配備した。 \textsc{ATLAS} は平均クリップ選択精度が 87.4 %$ に達し、平均ベースラインの精度が 26.4 % を超える。

関連論文リスト

• Reinforcement Learning-Guided Evolutionary Policy Optimization for Preference-Adjustable Heterogeneous Agile Earth Observation Satellite Scheduling [50.176885352114674]
  異質なアジャイル地球観測衛星(AEOS)のスケジューリングには、タスクの選択、衛星の割り当て、および観測シークエンシングが必要である。 本稿では、優先調整可能な重み付け目的を用いた異種AEOSスケジューリングのための進化的ポリシー最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-25T12:16:28Z)
• LLM-Empowered Multimodal Fusion Framework for Autonomous Driving: Semantic Enhancement and Channel-Adaptive Design [56.76240343283953]
  本稿では,大規模言語モデル中心のセマンティック・レイヤ・チャネル・アウェア・インテグレート・パーセプション・フレームワークを提案する。 ローカルな視覚ストリームと、知覚盲点をカバーするために使用される品質の変化した外部レーダーストリームを融合させる。 nuScenesとVIRATの実験は、我々のアプローチを検証する。
  論文  参考訳（メタデータ） (2026-07-02T06:44:02Z)
• Are VLMs Lost Between Sky and Space? LinkS$^2$Bench for UAV-Satellite Dynamic Cross-View Spatial Intelligence [107.79496500634691]
  LinkS$2$Benchは、ダイナミックUAV映像の1,022分を200km$2$の高解像度衛星画像とリンクする。 LMMを用いたパイプラインと厳密な人間のアノテーションを用いて17.9kの高品質な質問応答ペアを構築した。 評価は、人間のベースラインとはかなりの差を示し、正確なクロスビューのダイナミックアライメントを重要なボトルネックと特定する。
  論文  参考訳（メタデータ） (2026-04-02T13:22:57Z)
• TESSERA: Precomputed FAIR Global Pixel Embeddings for Earth Representation and Analysis [0.0]
  本稿では,EO時系列の画素指向基礎モデルであるTESSERAを提案する。 128次元の潜伏埋め込みを生成し、タスク固有のトレーニングのためにラベルを数個だけ必要とします。 使いやすさ、スケール、正確さは前例がない。
  論文  参考訳（メタデータ） (2025-06-25T12:46:26Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• FOOL: Addressing the Downlink Bottleneck in Satellite Computing with Neural Feature Compression [6.768163204818034]
  予測性能を保ったOECネイティブ・タスクに依存しない特徴圧縮手法を提案する。 FOOLはスループットを最大化するために高解像度の衛星画像を分割する。 低地球軌道における断続的に利用可能なネットワーク接続の特異性を含むことによって、転送コストの低減を評価する。
  論文  参考訳（メタデータ） (2024-03-25T12:14:48Z)
• Energy-Efficient Model Compression and Splitting for Collaborative Inference Over Time-Varying Channels [52.60092598312894]
  本稿では,エッジノードとリモートノード間のモデル圧縮と時間変化モデル分割を利用して,エッジデバイスにおける総エネルギーコストを削減する手法を提案する。 提案手法は, 検討されたベースラインと比較して, エネルギー消費が最小限であり, 排出コストが$CO$となる。
  論文  参考訳（メタデータ） (2021-06-02T07:36:27Z)

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。