一篇新研究论文探讨了通过提示驱动的视觉语言模型（特别是SAM3）扩展航天器检测系统发布后能力的潜力。该研究表明，这些模型可以使用自然语言提示识别新的航天器组件，而无需进行在轨权重更新。虽然对于航天器主体和太阳能电池阵列等较大结构有效，但对于天线和推进器等较小组件的性能有限。研究还发现，与简单的类别名称相比，结构化提示能显著提高性能，并且该模型运行在当前嵌入式GPU的约束范围内。 AI
影响 展示了一种在太空中进行模型发布后适应的新颖方法，有可能降低任务成本并提高灵活性。
排序理由 arXiv上发表的研究论文，详细介绍了一种新的视觉语言模型方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →