A abordagem padrão para imagens de satélite é capturar grandes lotes de imagens e trazê-las de volta à Terra, onde podem ser analisadas por operadores humanos e pelos melhores algoritmos disponíveis.
Isto funcionou bem até agora, mas o tempo, a largura de banda de transmissão e a potência necessária estão começando a se tornar restrições. Os satélites modernos estão capturando mais pixels do que os cientistas jamais poderiam ver
No entanto, o satélite YAM-9 fez algo diferente: identificou e descreveu características nas suas varreduras de imagens sem a necessidade de verificar com o controle de solo.
Além disso, ele pode ser orientado com instruções naturais que você pode usar com o Google Gemini ou Siri, como “Encontre todos os centros ferroviários deste país”.
O avanço vem por meio de um programa construído pela NASA chamado NAVI-Orbital, desenvolvido por pesquisadores do Laboratório de Propulsão a Jato da NASA (JPL) e startups de tecnologia. Sótão Orbital.
“A detecção de um novo recurso sempre exigiu a escrita de sequências de comandos para fazer um satélite funcionar, revalidar o software integrado e fazer o uplink de novos binários.” escreva Os pesquisadores em sua pré-impressão do arXiv, que ainda não foi revisada por pares.
“Sob o paradigma orbital NAVI, o redirecionamento equivale à edição e upload de um novo prompt. Isso encurta o ciclo de retarefa e amplia o conjunto de potenciais autores de tarefas além de especialistas especializados em sequência de comandos.”
Na maioria das vezes, quando você interage com um chatbot de IA como Cloud ou ChatGPT, suas consultas são enviadas para data centers que consomem muita energia, onde são processadas e uma resposta é enviada de volta.
Ao hospedar os modelos de IA em um dispositivo, o processamento é muito mais rápido, sem idas e vindas, e se você for um satélite, isso significa menos necessidade de comunicações terrestres.
“Normalmente, um usuário usaria uma API para acessar o satélite, aguardaria a coleta de imagens e o downlink e depois analisaria a imagem usando um algoritmo pré-treinado no solo”, disse Sarah Preston, gerente sênior de marketing da Loft Orbital, ao Science Alert.
“Esta IA pode realmente ‘ver’ o que está na imagem e identificar o que o analista está procurando, como pontes, rodovias, corpos d’água específicos ou sinais de desastres naturais como inundações e incêndios florestais.”
frameborder = “0” permitir = “acelerômetro; gravação automática na área de transferência; mídia criptografada; giroscópio; imagem em imagem; compartilhamento na web” referrerpolicy = “strict-origin-when-cross-origin” permitir tela cheia>
Junto com esses satélites, a IA instalada localmente é o Google DeepMind Gemma 3, uma série de modelos “leves” que são pequenos o suficiente para Execute no laptop. É um modelo de linguagem visual (VLM), o que significa que processa texto e imagens.
É importante ressaltar que ele pode funcionar em um pequeno satélite, onde o tamanho físico, o consumo de energia e o poder computacional devem ser cuidadosamente gerenciados.
“Esse pipeline é orquestrado por uma arquitetura multiagente composta por três agentes autônomos que delegam tarefas entre si: um orquestrador que coordena a execução, um detector que analisa, classifica e resume imagens e um agente de diálogo que permite aos operadores fazer perguntas sobre os resultados”, escreva Pesquisadores.
Em outras palavras, os técnicos podem fazer uma pergunta em vez de programar o software do satélite para cada tarefa individual.
“Este projeto pode adaptar o NAVI a diferentes missões sem reconstruí-lo do zero.”
Em testes de base no terreno, o sistema foi capaz de reconhecer amplamente o que estava em cerca de 7.960 imagens com 88,2 por cento de precisão, classificando-as em categorias como áreas residenciais, praias, áreas agrícolas e montanhas.
Apenas dois foram capturados ao vivo em órbita até agora, com mais planejados.
No futuro, essa tecnologia poderá ser aplicada além da órbita baixa da Terra. Um método simples e rápido de solicitar e analisar, como o demonstrado aqui, pode ser usado com rovers que exploram a superfície da Lua ou de Marte.
“Estamos pensando, ok, você tem astronautas com trajes pressurizados e sabe que eles não podem tocar no teclado, o que eles querem fazer é complicado”, disse o engenheiro de sistemas sênior Juan Delfa Victoria a Tim Fernholz. TechCrunch.
“Então, como em videogames e filmes, oferecemos um assistente, onde você vê uma IA interativa?”
Com cerca de 100 satélites como o YAM-9, a cobertura em tempo real pode ser estabelecida em todo o planeta, dizem os investigadores. Loft orbital, é claro Suas vistas estão definidas Ao fornecer tal serviço.
“A visão é que os satélites trabalhem juntos para monitoramento contínuo e global em tempo real, apoiados por um mercado de agentes de IA”, disse Preston.
Em grande medida, a implantação de tal tecnologia não exigiria que imagens de satélite fossem enviadas de volta à Terra para extrair o que está representado. Isso pode ser útil para tudo, desde o rastreamento da fumaça de incêndios florestais até o monitoramento de atividades incomuns em portos ou fronteiras em tempo real.
É claro que isto incluiria isso em termos de potenciais níveis de vigilância.
“A empresa está trabalhando para ampliar essas capacidades, apoiando missões que exigem decisões rápidas e no local, seja para uso civil, comercial ou de defesa”, disse Preston ao Science Alert.
“O objetivo é fazer com que os satélites atuem como uma vigilância contínua – quer você peça para monitorar um litoral em busca de vazamentos de óleo ou sinalize novas construções perto de uma fronteira. O satélite avaliará o que vê e reportará se algo atende a esses critérios.”
Relacionado: Satélite da NASA revela quão rápido a Cidade do México está afundando
Ainda há espaço para melhorias em termos de precisão e confiabilidade, e enormes questões cercam a ética da terceirização da interpretação de imagens de alto risco para a IA.
Os investigadores não examinaram o que aconteceria se uma “incitação adversária” fosse introduzida, pelo que os seus resultados “deveriam, portanto, ser lidos como um resultado de probabilidade e não como uma característica de robustez”, disseram. Conclusão.
Apesar desses obstáculos, os investigadores estão confiantes de que esta tecnologia inovadora se tornará em breve a norma.
“Isso abre a porta para uma presença sempre ativa em nível de patrulha no espaço”, disse Paul Lassere, chefe da Loft Orbital da AI. TechCrunch.
Um relatório do estudo está disponível no servidor de pré-impressão arXiv.
Este artigo foi verificado por Jess Cockerill e editado por Claire Watson. Embora nos orgulhemos de nosso processo, somos apenas humanos. Se você encontrar um erro, avise-nos.
