論文の概要: Clockwork: Scheduling Compound AI Systems in Space Data Centers

• arxiv url: http://arxiv.org/abs/2611.00909v1
• Date: Sat, 31 Oct 2026 13:08:05 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:03:46.30017
• Title: Clockwork: Scheduling Compound AI Systems in Space Data Centers
• Title（参考訳）: Clockwork: 宇宙データセンターにおける複合AIシステムのスケジューリング
• Abstract要約: 我々は、エンドツーエンドのSLOの下で、宇宙データセンターで複合AIをスケジューリングするためのフレームワークであるClockworkを紹介する。 実験的な2殻星座では、300msのSLOで81%のインスタンスをカスターが利用し、Polluxは平均で56%、ベースラインで最大63%のスケジュールコストを削減した。
• 参考スコア（独自算出の注目度）: 1.1470070927586018
• License:
• Abstract: Space data centers built on LEO constellations create an opportunity to serve Compound AI workflows close to where observations are captured. Serving such a workflow for an area of interest (AoI) requires deciding which orbital planes to provision and where to place each workflow component, while orbital motion continuously changes which satellites can serve the AoI. Provisioning must therefore be planned as a sequence of decisions over time, and these decisions are coupled because changing component placements or activating new planes incurs costs. To address this, we present Clockwork, a framework for scheduling Compound AI workflows on space data centers under end-to-end latency SLOs. Clockwork has two components: i) Castor jointly selects active planes and component placements for each constellation snapshot, while ii) Pollux connects Castor's candidate provisioning states across predicted orbital evolution to construct a low-cost schedule over time. On our experimental two-shell constellation, Castor serves 81% of instances at a 300 ms SLO, while Pollux reduces mean total scheduling cost by 56% on average and by up to 63% compared to heuristic baselines.
• Abstract（参考訳）: LEO星座上に構築された宇宙データセンターは、観測された場所に近い複合AIワークフローを提供する機会を生み出す。 興味のある領域(AoI)のためにそのようなワークフローを実行するには、どの軌道平面をどの軌道に配置するかを決定する必要があるが、軌道運動はAoIに提供可能な衛星を継続的に変更する必要がある。 したがって、プロビジョニングは時間の経過とともに一連の決定として計画されなければならない。 これを解決するために、私たちは、エンドツーエンドのレイテンシSLOの下で、宇宙データセンターで複合AIワークフローをスケジューリングするフレームワークであるClockworkを紹介します。 Clockworkには2つのコンポーネントがある。 一 キャスターは、各星座スナップショットにおいて、活動面及び部品配置を共同で選定する。 二 ポーラックスは、キャスターが予測する軌道の進化にまたがって準備する状態を接続し、低コストのスケジュールを経時的に構築する。 一方、Pollluxは平均的なスケジュールコストを平均で56%、ヒューリスティックベースラインで最大で63%削減します。

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)
• EOS-Bench: A Comprehensive Benchmark for Earth Observation Satellite Scheduling [59.18180569653578]
  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。
  論文  参考訳（メタデータ） (2026-04-28T15:49:46Z)
• Bringing Federated Learning to Space [3.058685580689604]
  Federated Learningは、衛星ネットワーク間で協調的なモデルトレーニングを行うための、有望なフレームワークを提供する。 我々は、地球上のアルゴリズムを軌道制約下での動作に適応させる包括的「宇宙化」フレームワークを導入する。 解析により、宇宙適応FLアルゴリズムは、最大100個の衛星の星座に効率よくスケールできることが示されている。
  論文  参考訳（メタデータ） (2025-11-18T20:16:07Z)
• 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)
• An Efficient Continuous-Time MILP for Integrated Aircraft Hangar Scheduling and Layout [0.0]
  航空機の配置とタイミングを協調的に最適化する連続時間混合整数線形計算プログラムを提案する。 ある研究では、このモデルを建設的秩序のスピードアップに対してベンチマークし、大規模な性能を探索し、時間的混雑に対する感度を定量化する。
  論文  参考訳（メタデータ） (2025-08-04T17:25:36Z)
• 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)
• Innovations in the field of on-board scheduling technologies [64.41511459132334]
  本稿では、ミッション自律のためのソフトウェアフレームワークに組み込まれた、オンボードスケジューラを提案する。 スケジューラは線形整数プログラミングに基づいており、ブランチ・アンド・カット・ソルバの使用に依存している。 この技術は地球観測のシナリオでテストされており、その性能を最先端のスケジューリング技術と比較している。
  論文  参考訳（メタデータ） (2022-05-04T12:00:49Z)
• Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
  本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。 我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。 ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
  論文  参考訳（メタデータ） (2021-09-14T07:24:53Z)
• Tailored Learning-Based Scheduling for Kubernetes-Oriented Edge-Cloud System [54.588242387136376]
  エッジクラウドシステムのための学習ベースのスケジューリングフレームワークkaisを紹介する。 まず,分散した要求ディスパッチに対応するために,協調型マルチエージェントアクタ-クリティックアルゴリズムを設計する。 次に,多種多様なシステムスケールと構造について,グラフニューラルネットワークを用いてシステム状態情報を埋め込む。 第3に、リクエストディスパッチとサービスオーケストレーションを調和させる2段階のスケジューリングメカニズムを採用します。
  論文  参考訳（メタデータ） (2021-01-17T03:45:25Z)
• A Maximum Independent Set Method for Scheduling Earth Observing Satellite Constellations [41.013477422930755]
  本稿では,衛星スケジューリング問題の解法として,実現不可能なグラフ表現を生成する手法を提案する。 光衛星のスカイサット星座と、最大24個の衛星のシミュレートされた星座の、要求された最大10,000の撮像位置のシナリオでテストされている。
  論文  参考訳（メタデータ） (2020-08-15T19:32:21Z)

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。