low Earth orbit
PulseAugur coverage of low Earth orbit — every cluster mentioning low Earth orbit across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
企业卫星连接能力已超越管理基础设施，Gartner 预测增长
卫星连接，特别是随着 Starlink 等低地球轨道 (LEO) 技术的出现，已迅速从一种小众解决方案转变为标准的企业工具。然而，管理这些服务的财务和运营基础设施并未跟上技术采纳的步伐。企业在跟踪库存、管理复杂的计费模式（包括地理附加费和数据池）以及在不同业务部门和项目之间准确分配成本方面面临挑战。Gartner 预测 LEO 终端用户支出将显著增长，凸显了需要更好的管理策略。
-
新的T3L-DS方法优化了低轨对地观测星座的应急调度
研究人员开发了一种名为任务驱动三层分布式调度（T3L-DS）的新方法，以解决大规模低地球轨道（LEO）对地观测（EO）星座中的动态应急观测调度问题（DEOSP）。该方法旨在以对常规运行的最小干扰，有效地将紧急任务插入现有的观测计划中。T3L-DS在通用网格上表示任务需求和传感器足迹，形成用于协调的观测能力和星间链路的临时集群。实验表明，T3L-DS在应急覆盖方面优于其他分布式方法，并显著减少了常规覆盖损失。
-
机器学习方法优化卫星到设备能量调度的方案
研究人员开发了一种新颖的基于机器学习的能量调度方法，用于动态非地面网络-无线能量传输（NTN-WPT）系统。该方法旨在优化低地球轨道卫星向用户设备传输能量的能效、任务完成率和任务等待时间。该系统采用三层预测框架，利用图神经网络进行能量传输效率建模，并采用多目标强化学习来平衡相互竞争的目标。
-
新的GAN框架合成不完整卫星互联网观测数据
研究人员开发了一种新的生成式人工智能框架，用于从不完整的卫星互联网观测中合成高保真数据。该框架解决了低地球轨道（LEO）卫星互联网中数据缺失的问题，而数据缺失阻碍了数据增强和数据集扩展。所提出的系统利用生成对抗网络（GAN）和变分自编码器（VAE），其中一个特定的基于GAN的模型GT-GAN，即使在高达40%的输入数据缺失的情况下，也表现出卓越的鲁棒性和性能。这项工作为卫星网络测量中的数据增强和数据驱动研究提供了一个有前景的方向。
-
NVIDIA发布45°C液冷技术，用于AI服务器，降低能耗和用水量
NVIDIA已为其AI服务器开发了一种新的液冷系统，工作温度为45°C，远高于普通热水浴缸的温度和传统数据中心的冷却方法。这项创新在NVIDIA DSX AI工厂参考设计中有所概述，旨在大幅降低超大规模数据中心的能源和水消耗。同时，另一篇独立评测探讨了低地球轨道上AI硬件的热管理挑战，在低地球轨道，辐射是唯一的传热方式，并对散热板和相变材料等被动冷却技术进行了比较。
-
首个在轨地球观测航天器上自主运行的零样本视觉语言模型
研究人员首次演示了在轨使用零样本视觉语言模型进行自主地球观测。部署在航天器上的 NAVI-Orbital 系统能够对场景进行分类、生成文本描述，并响应自然语言提示，而无需针对特定仪器进行微调或下载所有数据。这种方法实现了太空观测的语义压缩，解决了数据生成与处理能力之间日益增长的差距。
-
太空战役风险“愚蠢”的凯斯勒综合征，使轨道无法使用
太空日益军事化，各国都在开发反卫星武器，这带来了巨大的风险，可能引发凯斯勒综合征。这种现象由卫星碰撞引发，将产生级联效应的碎片，使近地轨道在几十年甚至几个世纪内无法使用。作者认为，参与太空战役并非不道德，而是极其愚蠢，因为由此产生的碎片将永久性地削弱人类利用太空的能力，实际上将我们困在地球上。
-
新的对抗性注水框架用于卫星频谱共享
研究人员引入了对抗性注水（AWF）框架，这是一个用于资源分配问题的新框架，尤其适用于多运营商低地球轨道卫星星座中的频谱共享。该论文详细介绍了AWF的理论和算法，并同时处理了高斯和离散星座场景。为了加速解决方案，开发了一个基于图神经网络和全局潜在变量的无线基础模型，该模型在各种问题规模和约束下都表现出显著的运行时改进和泛化能力。
-
提议利用太空数据中心进行AI驱动的在轨数据处理
一项新的研究论文提出了太空数据中心（SDC）的概念，以应对日益增长的卫星数量所产生海量数据处理的挑战。这些由AI驱动的平台将实现就地在轨数据处理，从而降低延迟并减轻地面站的压力。该论文概述了一个低地球轨道上SDC星座的潜在架构，详细介绍了轨道设计、网络拓扑和软件编排等方面，并分析了其技术可行性和经济可行性。