Awesome Remote Sensing Foundation Models
Коллекция статей, наборов данных, бенчмарков, кода и предварительно обученных весов для базовых моделей дистанционного зондирования (Remote Sensing Foundation Models, RSFM):
🖥 GitHub
Содержание:
🔹 Models
* Remote Sensing Vision Foundation Models
* Remote Sensing Vision-Language Foundation Models
* Remote Sensing Generative Foundation Models
* Remote Sensing Vision-Location Foundation Models
* Remote Sensing Vision-Audio Foundation Models
* Remote Sensing Task-specific Foundation Models
* Remote Sensing Agents
🔹 Datasets & Benchmarks
* Benchmarks for RSFMs
* (Large-scale) Pre-training Datasets
🔹 Others
* Relevant Projects
* Survey Papers
Данная коллекция ссылок создана во время работы над статьей:
📖 SkySense: A Multi-Modal Remote Sensing Foundation Model Towards Universal Interpretation for Earth Observation Imagery
В работе предложена SkySense — универсальная базовая модель, предварительно обученная на мультимодальном наборе оптических и радарных данных дистанционного зондирования.
#ИИ #FM
Коллекция статей, наборов данных, бенчмарков, кода и предварительно обученных весов для базовых моделей дистанционного зондирования (Remote Sensing Foundation Models, RSFM):
🖥 GitHub
Содержание:
🔹 Models
* Remote Sensing Vision Foundation Models
* Remote Sensing Vision-Language Foundation Models
* Remote Sensing Generative Foundation Models
* Remote Sensing Vision-Location Foundation Models
* Remote Sensing Vision-Audio Foundation Models
* Remote Sensing Task-specific Foundation Models
* Remote Sensing Agents
🔹 Datasets & Benchmarks
* Benchmarks for RSFMs
* (Large-scale) Pre-training Datasets
🔹 Others
* Relevant Projects
* Survey Papers
Данная коллекция ссылок создана во время работы над статьей:
📖 SkySense: A Multi-Modal Remote Sensing Foundation Model Towards Universal Interpretation for Earth Observation Imagery
В работе предложена SkySense — универсальная базовая модель, предварительно обученная на мультимодальном наборе оптических и радарных данных дистанционного зондирования.
#ИИ #FM
Прогнозирование погоды с помощью моделей ИИ на основе открытых данных ECMWF
Команда специалистов системы прогнозирования погоды AIFS (Artificial Intelligence/Integrated Forecasting System) в Европейском центре среднесрочных прогнозов погоды (ECMWF) объявила, что теперь пользователи могут самостоятельно запускать модели прогноза погоды, использующие методы искусственного интеллекта (ИИ) и опирающиеся на открытые данные ECMWF.
Это позволит генерировать прогнозы на собственном компьютере пользователя, изучать методы прогнозирования с помощью ансамблей моделей и проводить сравнительный анализ моделей.
Установка python-пакетов традиционна:
Поддерживаются следующие модели прогнозирования погоды, использующие методы ИИ: Pangu-Weather, FourCastNet (версия 2), GraphCast, FuXi и Aurora.
В будущем ожидается поддержка системы AIFS. Пока можно получить готовые прогнозы, сделанные с помощью AIFS.
#погода #ИИ #python
Команда специалистов системы прогнозирования погоды AIFS (Artificial Intelligence/Integrated Forecasting System) в Европейском центре среднесрочных прогнозов погоды (ECMWF) объявила, что теперь пользователи могут самостоятельно запускать модели прогноза погоды, использующие методы искусственного интеллекта (ИИ) и опирающиеся на открытые данные ECMWF.
Это позволит генерировать прогнозы на собственном компьютере пользователя, изучать методы прогнозирования с помощью ансамблей моделей и проводить сравнительный анализ моделей.
Установка python-пакетов традиционна:
pip install ai-models
pip install ai-models-panguweather # Or another model
ai-models panguweather --input ecmwf-open-data
Поддерживаются следующие модели прогнозирования погоды, использующие методы ИИ: Pangu-Weather, FourCastNet (версия 2), GraphCast, FuXi и Aurora.
В будущем ожидается поддержка системы AIFS. Пока можно получить готовые прогнозы, сделанные с помощью AIFS.
#погода #ИИ #python
Обзор методов интерпретируемого машинного обучения для прогнозирования погоды и климата
В последнее время передовые модели машинного обучения достигли высокой точности прогнозирования погоды и климата. Большинство из этих моделей является “черными ящиками”: они выдают результаты, не позволяя пользователю заглянуть внутрь, чтобы разобраться, как именно был получен тот или иной прогноз. Поэтому важную роль приобретает развитие интерпретируемых методов машинного обучения.
В 📖 статье рассмотрены современные подходы к интерпретируемому машинному обучению, применяемые для метеорологических прогнозов. Подходы делятся на две группы: (1) методы интерпретации post-hoc, объясняющие предварительно обученные модели, такие как методы атрибуции на основе возмущений, теории игр и градиентные методы; (2) разработка интерпретируемых моделей с нуля с помощью таких архитектур, как ансамбли деревьев или объясняемые (explainable) нейронные сети. Коротко описан каждый метод, и то как именно он позволяет понять прогнозы, раскрывая метеорологические взаимосвязи, улавливаемые машинным обучением. В финале работы обсуждаются проблемы исследования и перспективы на будущее.
📖 Yang, R., Hu, J., Li, Z., Mu, J., Yu, T., Xia, J., Li, X., Dasgupta, A., & Xiong, H. (2024). Interpretable machine learning for weather and climate prediction: A review. Atmospheric Environment, 338, 120797. https://doi.org/10.1016/j.atmosenv.2024.120797
#нейронки #погода #ИИ #климат
В последнее время передовые модели машинного обучения достигли высокой точности прогнозирования погоды и климата. Большинство из этих моделей является “черными ящиками”: они выдают результаты, не позволяя пользователю заглянуть внутрь, чтобы разобраться, как именно был получен тот или иной прогноз. Поэтому важную роль приобретает развитие интерпретируемых методов машинного обучения.
В 📖 статье рассмотрены современные подходы к интерпретируемому машинному обучению, применяемые для метеорологических прогнозов. Подходы делятся на две группы: (1) методы интерпретации post-hoc, объясняющие предварительно обученные модели, такие как методы атрибуции на основе возмущений, теории игр и градиентные методы; (2) разработка интерпретируемых моделей с нуля с помощью таких архитектур, как ансамбли деревьев или объясняемые (explainable) нейронные сети. Коротко описан каждый метод, и то как именно он позволяет понять прогнозы, раскрывая метеорологические взаимосвязи, улавливаемые машинным обучением. В финале работы обсуждаются проблемы исследования и перспективы на будущее.
📖 Yang, R., Hu, J., Li, Z., Mu, J., Yu, T., Xia, J., Li, X., Dasgupta, A., & Xiong, H. (2024). Interpretable machine learning for weather and climate prediction: A review. Atmospheric Environment, 338, 120797. https://doi.org/10.1016/j.atmosenv.2024.120797
#нейронки #погода #ИИ #климат
Американская компания Aptos Orbital представила устройство с искусственным интеллектом для обработки данных, связи и облачных сервисов в космосе [ссылка]
“Современные спутники изолированы от современных облачных сред, им мешает нехватка бортовой вычислительной мощности и многочасовые разрывы в покрытии”, — говорится в заявлении соучредителя Aptos Йонатана Вайнтрауба (Yonatan Winetraub). “Наша цель — сделать спутники такими же интеллектуальными и доступными, как любой компьютер на Земле. Установив искусственный интеллект на борту [спутника], мы сможем обрабатывать живые спутниковые данные в источнике и передавать обработанную информацию обратно на Землю”.
Хотя Aptos — молодая компания, ее устройства с ИИ уже прошли летные испытания. За последние 2 года несколько подобных устройств проработали на орбите в общей сложности более 5 лет.
Модульные устройства Aptos выпускаются в двух вариантах: Mini — для CubeSat’ов и Max — для более крупных малых спутников.
Спутниковые терминалы связи обычно отличаются от радиационно-стойких процессоров для приложений ИИ. В отличие от них, Aptos “объединяет космические вычисления, постоянную связь и облачные сервисы в одном небольшом устройстве, которое предлагается по простой подписке”, — говорится в сообщении компании. “Такой целостный подход обеспечивает высочайшую производительность и является наиболее практичным решением для спутниковых операторов, позволяя им сэкономить годы на интеграции и проверке”.
#onboard #ИИ
“Современные спутники изолированы от современных облачных сред, им мешает нехватка бортовой вычислительной мощности и многочасовые разрывы в покрытии”, — говорится в заявлении соучредителя Aptos Йонатана Вайнтрауба (Yonatan Winetraub). “Наша цель — сделать спутники такими же интеллектуальными и доступными, как любой компьютер на Земле. Установив искусственный интеллект на борту [спутника], мы сможем обрабатывать живые спутниковые данные в источнике и передавать обработанную информацию обратно на Землю”.
Хотя Aptos — молодая компания, ее устройства с ИИ уже прошли летные испытания. За последние 2 года несколько подобных устройств проработали на орбите в общей сложности более 5 лет.
Модульные устройства Aptos выпускаются в двух вариантах: Mini — для CubeSat’ов и Max — для более крупных малых спутников.
Спутниковые терминалы связи обычно отличаются от радиационно-стойких процессоров для приложений ИИ. В отличие от них, Aptos “объединяет космические вычисления, постоянную связь и облачные сервисы в одном небольшом устройстве, которое предлагается по простой подписке”, — говорится в сообщении компании. “Такой целостный подход обеспечивает высочайшую производительность и является наиболее практичным решением для спутниковых операторов, позволяя им сэкономить годы на интеграции и проверке”.
#onboard #ИИ
This media is not supported in your browser
VIEW IN TELEGRAM
ИИ-поиск
⚛️ SearchGPT. OpenAI объявила о полномасштабном запуске 📹 веб-поиска в ChatGPT. Сейчас поиск доступен для Plus и Team пользователей, но постепенно круг пользователей будет расширяться.
OpenAI заключило партнерские соглашения с ведущими СМИ (AP, Reuters, FT и др.) и обещает:
• Интегрирование в SearchGPT поиска по актуальным данным
• Автоматическое определение необходимости поиска
• Сохранение контекста беседы при поиске
• Визуально обогащенные ответы для погоды, спорта, акций
⚛️ Perplexity (https://www.perplexity.ai). Первопроходец в ИИ-поиске. Сервис обещает:
* Ответы вместо ссылок: вместо списка страниц пользователь получает связный текст, написанный повседневным языком.
* Знания в реальном времени: поиск в Интернете в режиме реального времени, чтобы предоставить самую свежую информацию.
* Надежные источники . Ответы содержат ссылки на источники, из которых взята информация.
Выглядит это красиво. На деле:
* для поиска информации на английском языке нужно задавать вопрос на этом языке (deepl.com в помощь);
* трудно найти свежую информацию. Проблемы с ограничением запроса по времени + система просто не возвращает ссылки на публикации последних суток/недель.
На данный момент эта штука ничем не лучше ⚛️ Яндекс с нейро.
Кстати, интересно попросить ИИ-сервисы поиска порекомендовать “коллег” (Какие сервисы ИИ-поиска в интернете посоветуешь?/What AI-search services do you recommend?).
⚛️ Consensus (http://consensus.app/) Эта ИИ-система выдает результаты только из научных источников. Каждый тезис сопровождается ссылкой на источник. Кликнув на него можно получить краткий пересказ работы или посмотреть оригинал.
Для поиска наиболее релевантных статей Consensus использует гибридный подход, сочетающий машинное обучение с классическим поиском по ключевым словам. Consensus также использует ИИ для оценки качественных характеристик научных работ, которые затем применяются для ранжирования поиска.
В Consensus есть хорошая система фильтрации поиска.
Команды вроде "make a table of..." или "...in a table" в поиске (режим Pro) генерируют результаты поиска в табличном виде. Их можно скопировать вместе со ссылками на источники информации.
#справка #ИИ
⚛️ SearchGPT. OpenAI объявила о полномасштабном запуске 📹 веб-поиска в ChatGPT. Сейчас поиск доступен для Plus и Team пользователей, но постепенно круг пользователей будет расширяться.
OpenAI заключило партнерские соглашения с ведущими СМИ (AP, Reuters, FT и др.) и обещает:
• Интегрирование в SearchGPT поиска по актуальным данным
• Автоматическое определение необходимости поиска
• Сохранение контекста беседы при поиске
• Визуально обогащенные ответы для погоды, спорта, акций
⚛️ Perplexity (https://www.perplexity.ai). Первопроходец в ИИ-поиске. Сервис обещает:
* Ответы вместо ссылок: вместо списка страниц пользователь получает связный текст, написанный повседневным языком.
* Знания в реальном времени: поиск в Интернете в режиме реального времени, чтобы предоставить самую свежую информацию.
* Надежные источники . Ответы содержат ссылки на источники, из которых взята информация.
Выглядит это красиво. На деле:
* для поиска информации на английском языке нужно задавать вопрос на этом языке (deepl.com в помощь);
* трудно найти свежую информацию. Проблемы с ограничением запроса по времени + система просто не возвращает ссылки на публикации последних суток/недель.
На данный момент эта штука ничем не лучше ⚛️ Яндекс с нейро.
Кстати, интересно попросить ИИ-сервисы поиска порекомендовать “коллег” (Какие сервисы ИИ-поиска в интернете посоветуешь?/What AI-search services do you recommend?).
⚛️ Consensus (http://consensus.app/) Эта ИИ-система выдает результаты только из научных источников. Каждый тезис сопровождается ссылкой на источник. Кликнув на него можно получить краткий пересказ работы или посмотреть оригинал.
Для поиска наиболее релевантных статей Consensus использует гибридный подход, сочетающий машинное обучение с классическим поиском по ключевым словам. Consensus также использует ИИ для оценки качественных характеристик научных работ, которые затем применяются для ранжирования поиска.
В Consensus есть хорошая система фильтрации поиска.
Команды вроде "make a table of..." или "...in a table" в поиске (режим Pro) генерируют результаты поиска в табличном виде. Их можно скопировать вместе со ссылками на источники информации.
#справка #ИИ
Microsoft и NASA запускают ИИ-помощника Earth Copilot для облегчения работы с космическими данными
Объем геопространственных данных NASA превышает 100 петабайтов, и ожидается, что в ближайшие годы он увеличится в разы. Эти данные содержат сведения об атмосферных условиях, изменениях в почвенно-растительном покрове, температуре океана и многом другом, но разобраться в них могут только специалисты.
Earth Copilot призван упростить процесс поиска и извлечения информации из данных наблюдения Земли, собранных NASA. Пользователи смогут общаться с Copilot на естественном языке, задавая вопросы вроде как «Как повлиял ураган „Ян“ на остров Санибел?» или «Как пандемия COVID-19 повлияла на качество воздуха в США?». ИИ извлечет соответствующие наборы данных, сделав этот процесс простым и понятным.
В создании Earth Copilot NASA сотрудничает с Microsoft, используя Azure OpenAI для интеграции ИИ в свое хранилище данных.
Сейчас Earth Copilot доступен только для ученых и исследователей NASA, которые оценят возможности инструмента. Затем будут изучать возможность его интеграции в платформу визуализации, исследования и анализа данных NASA — VEDA.
Источник
#ИИ
Объем геопространственных данных NASA превышает 100 петабайтов, и ожидается, что в ближайшие годы он увеличится в разы. Эти данные содержат сведения об атмосферных условиях, изменениях в почвенно-растительном покрове, температуре океана и многом другом, но разобраться в них могут только специалисты.
Earth Copilot призван упростить процесс поиска и извлечения информации из данных наблюдения Земли, собранных NASA. Пользователи смогут общаться с Copilot на естественном языке, задавая вопросы вроде как «Как повлиял ураган „Ян“ на остров Санибел?» или «Как пандемия COVID-19 повлияла на качество воздуха в США?». ИИ извлечет соответствующие наборы данных, сделав этот процесс простым и понятным.
В создании Earth Copilot NASA сотрудничает с Microsoft, используя Azure OpenAI для интеграции ИИ в свое хранилище данных.
Сейчас Earth Copilot доступен только для ученых и исследователей NASA, которые оценят возможности инструмента. Затем будут изучать возможность его интеграции в платформу визуализации, исследования и анализа данных NASA — VEDA.
Источник
#ИИ
YouTube
NASA's new Earth Copilot brings Microsoft AI to democratize access to complex data
NASA geospatial data exceeds 100 petabytes and is expected to multiply in the coming years. This data is critical to understanding our world and addressing the complex challenges facing it. This data can be complex and inaccessible. That's why NASA collaborated…
Обнаружение болезней сельскохозяйственных культур на уровнях листа и поля: чего можно ожидать от искусственного интеллекта?
📖 Lebrini, Y., & Ayerdi Gotor, A. (2024). Crops Disease Detection, from Leaves to Field: What We Can Expect from Artificial Intelligence. Agronomy, 14(11), 2719. https://doi.org/10.3390/agronomy14112719
Сельское хозяйство решает многочисленные задачи по увеличению производительности при одновременном снижении количества используемых химикатов и удобрений. Обзор посвящен прогрессу, достигнутому в использовании машинного обучения и дистанционного зондирования для обнаружения и идентификации болезней сельскохозяйственных культур, что может помочь фермерам: (1) выбрать правильное лечение, наиболее подходящее к конкретной болезни, (2) лечить болезни на ранних стадиях заражения и, (3) возможно, в будущем проводить лечение только там, где это необходимо или экономически выгодно. Уровень техники показывает значительный прогресс в обнаружении и идентификации болезней на уровне листа у большинства культивируемых видов. Гораздо меньший прогресс достигнут в обнаружении болезней на уровне поля, где окружающая среда сложна, и который пока реализован лишь для некоторых полевых культур.
📸 Блок-схема методики сбора данных по идентификации болезней растений с помощью искусственного интеллекта и дистанционного зондирования.
#ИИ #сельхоз
📖 Lebrini, Y., & Ayerdi Gotor, A. (2024). Crops Disease Detection, from Leaves to Field: What We Can Expect from Artificial Intelligence. Agronomy, 14(11), 2719. https://doi.org/10.3390/agronomy14112719
Сельское хозяйство решает многочисленные задачи по увеличению производительности при одновременном снижении количества используемых химикатов и удобрений. Обзор посвящен прогрессу, достигнутому в использовании машинного обучения и дистанционного зондирования для обнаружения и идентификации болезней сельскохозяйственных культур, что может помочь фермерам: (1) выбрать правильное лечение, наиболее подходящее к конкретной болезни, (2) лечить болезни на ранних стадиях заражения и, (3) возможно, в будущем проводить лечение только там, где это необходимо или экономически выгодно. Уровень техники показывает значительный прогресс в обнаружении и идентификации болезней на уровне листа у большинства культивируемых видов. Гораздо меньший прогресс достигнут в обнаружении болезней на уровне поля, где окружающая среда сложна, и который пока реализован лишь для некоторых полевых культур.
📸 Блок-схема методики сбора данных по идентификации болезней растений с помощью искусственного интеллекта и дистанционного зондирования.
#ИИ #сельхоз
Платформа CubeSatGPT для обмена информацией со спутниками
Компания Vector Space Biosciences собирается отправить на орбиту наноспутник CubeSat с тихоходками на борту. Предполагается исследовать воздействие на тихоходок микрогравитации и космической радиации.
Для получения информации о состоянии тихоходок будет использована платформа CubeSatGPT. Компания предлагает бесплатную подписку на нее для школьников и преподавателей. По словам генерального директора Vector Space Biosciences Касиана Фрэнкса (Kasian Franks), школьникиюннаты смогут “задавать вопросы CubeSat'у с тихоходками, <…> вроде «Как сегодня поживают тихоходки?» или «Опишите, насколько холодно в космосе для тихоходок», а также более сложные запросы, включающие детали измерений в условиях микрогравитации и космической радиации”. Компания предполагает использовать CubeSatGPT для запусков CubeSat с биотехнологическими, фармацевтическими, материаловедческими и другими полезными нагрузками.
#ИИ
Компания Vector Space Biosciences собирается отправить на орбиту наноспутник CubeSat с тихоходками на борту. Предполагается исследовать воздействие на тихоходок микрогравитации и космической радиации.
Для получения информации о состоянии тихоходок будет использована платформа CubeSatGPT. Компания предлагает бесплатную подписку на нее для школьников и преподавателей. По словам генерального директора Vector Space Biosciences Касиана Фрэнкса (Kasian Franks), школьники
#ИИ
Kayrros упрощает поиск источников выбросов метана
Компания Kayrros, занимающаяся мониторингом выбросов парниковых газов, внедряет большую языковую модель чтобы упростить поиск информации об источниках выбросов метана.
“Метановый GPT” KayrrosAI позволяет пользователям задавать вопросы на простом языке и бесплатно получать ответы об источниках выбросов метана, данные о которых содержит созданная компанией карта Methane Watch.
Источник
#CH4 #GHG #ИИ #данные
Компания Kayrros, занимающаяся мониторингом выбросов парниковых газов, внедряет большую языковую модель чтобы упростить поиск информации об источниках выбросов метана.
“Метановый GPT” KayrrosAI позволяет пользователям задавать вопросы на простом языке и бесплатно получать ответы об источниках выбросов метана, данные о которых содержит созданная компанией карта Methane Watch.
Источник
#CH4 #GHG #ИИ #данные
База научных публикаций по искусственному интеллекту (https://papers.a-ai.ru/) собирает информацию о статьях российских авторов на научных конференциях и в индексируемых журналах. На данный момент собрана информация о более 6000 статей с российских ученых, опубликованных с 2014 года.
На сегодняшний день в базе публикаций реализован поиск статей по авторам, организациям, конференциям и журналам, не требующий регистрации.
Ресурс предоставляет всем зарегистрированным пользователям бесплатный доступ по API, который содержит информацию об авторах, конференциях, журналах, организациях, публикациях и дашбордах.
В базе настроены аналитические инструменты, которые, по достижении полноты архива, позволят анализировать публикационную активность по различным параметрам
Базу публикаций создает ИТМО по заказу “Альянса в сфере искусственного интеллекта”. Она будет постоянно пополняться данными из открытых источников, а также данными, предоставленными пользователями.
#ИИ #справка
На сегодняшний день в базе публикаций реализован поиск статей по авторам, организациям, конференциям и журналам, не требующий регистрации.
Ресурс предоставляет всем зарегистрированным пользователям бесплатный доступ по API, который содержит информацию об авторах, конференциях, журналах, организациях, публикациях и дашбордах.
В базе настроены аналитические инструменты, которые, по достижении полноты архива, позволят анализировать публикационную активность по различным параметрам
Базу публикаций создает ИТМО по заказу “Альянса в сфере искусственного интеллекта”. Она будет постоянно пополняться данными из открытых источников, а также данными, предоставленными пользователями.
#ИИ #справка
Field Boundaries for Agriculture (fiboa)
Field Boundaries for Agriculture (fiboa) (https://source.coop/fiboa) — коллекция репозиториев границ сельскохозяйственных полей в разных странах мира, размещенная на Source Cooperative.
🖥 Гитхаб-репозиторий проекта fiboa
🗺 📸 Расположение данных fiboa
В блоге Taylor Geospatial Engine рассказывают о работе с этими данными при помощи интерфейса на основе большой языковой модели (Large Language Model, LLM) — Tech Fellow Update: Exploring Field Boundary Data with LLMs.
Можно посмотреть, как это работает:
• Fiboa Baltics Demo
• Fiboa Netherlands Demo
#сельхоз #данные #ИИ
Field Boundaries for Agriculture (fiboa) (https://source.coop/fiboa) — коллекция репозиториев границ сельскохозяйственных полей в разных странах мира, размещенная на Source Cooperative.
🖥 Гитхаб-репозиторий проекта fiboa
🗺 📸 Расположение данных fiboa
В блоге Taylor Geospatial Engine рассказывают о работе с этими данными при помощи интерфейса на основе большой языковой модели (Large Language Model, LLM) — Tech Fellow Update: Exploring Field Boundary Data with LLMs.
Можно посмотреть, как это работает:
• Fiboa Baltics Demo
• Fiboa Netherlands Demo
#сельхоз #данные #ИИ
ICEYE и SATIM разработают информационные продукты на основе радарных снимков SAR и методов искусственного интеллекта
ICEYE и SATIM объявили о подписании партнерского соглашения. Компании объединят радарные снимки ICEYE и решения SATIM по анализу изображений на основе искусственного интеллекта в новые продукты, позволяющие обнаруживать и классифицировать суда, самолеты и наземные транспортные средства, а затем направятся с ними к военным.
📸 SATIM специализируется на автоматическом распознавании целей (Automatic Target Recognition, ATR) по радарным снимкам [источник].
#SAR #ИИ
ICEYE и SATIM объявили о подписании партнерского соглашения. Компании объединят радарные снимки ICEYE и решения SATIM по анализу изображений на основе искусственного интеллекта в новые продукты, позволяющие обнаруживать и классифицировать суда, самолеты и наземные транспортные средства
📸 SATIM специализируется на автоматическом распознавании целей (Automatic Target Recognition, ATR) по радарным снимкам [источник].
#SAR #ИИ
Эксперимент по демонстрации автономности спутника на орбите
В ходе орбитального эксперимента миниатюрный космический аппарат, созданный стартапами NOVI и Sedaro (оба — шт. Вирджиния, США), автономно выполнял задачи в зависимости от окружающей среды и состояния, независимо от диспетчеров на земле.
Компания NOVI отвечала в проекте за космический аппарат, построенный для неназванного государственного заказчика, а Sedaro — за программное обеспечение, обеспечивающее автономную работу. Спутник был запущен в рамках миссии SpaceX Transporter-12 в январе и завершил свои испытания в феврале.
📸 Художественное изображение процессора NOVI SP240 на борту спутника с системой Autonomy Framework for the Edge от Sedaro.
Источник
#США #onboard #ИИ
В ходе орбитального эксперимента миниатюрный космический аппарат, созданный стартапами NOVI и Sedaro (оба — шт. Вирджиния, США), автономно выполнял задачи в зависимости от окружающей среды и состояния, независимо от диспетчеров на земле.
Компания NOVI отвечала в проекте за космический аппарат, построенный для неназванного государственного заказчика, а Sedaro — за программное обеспечение, обеспечивающее автономную работу. Спутник был запущен в рамках миссии SpaceX Transporter-12 в январе и завершил свои испытания в феврале.
📸 Художественное изображение процессора NOVI SP240 на борту спутника с системой Autonomy Framework for the Edge от Sedaro.
Источник
#США #onboard #ИИ
GomSpace и Neuraspace сотрудничают в области предотвращения столкновений спутников
Компания GomSpace, производитель малых спутников из Дании, объявила о планах интеграции инструментов управления космическим движением (space traffic management, STM) от португальской Neuraspace в свою платформу управления спутниками, чтобы повысить безопасность работы на орбите.
Партнерство объединяет возможности Neuraspace по отслеживанию спутников с использованием искусственного интеллекта с платформой Hands-Off Operations Platform (HOOP) от GomSpace, предназначенной для автоматизации управления спутниками — от подготовки к запуску до вывода из эксплуатации.
Neuraspace использует данные из открытых каталогов, сотрудничает с поставщиками наземных телескопов и применяет собственную сенсорную инфраструктуру для предоставления информации об орбитах спутников в режиме реального времени.
Пользователи HOOP будут получать автоматические предупреждения о сближениях и рекомендации по оптимальным уклоняющим маневрам в рамках услуги от GomSpace.
По мере роста числа спутников на орбите Земли — в первую очередь за счет мегагруппировок вроде Starlink — возрастает риск столкновений и образования космического мусора. Это может привести к сценарию синдрома Кесслера — цепной реакции столкновений, делающей околоземную орбиту непригодной для использования.
Сейчас на рынок вышло множество STM-стартапов, стремящихся решить эти проблемы — от провайдеров наземных датчиков, вроде Leolabs, до NorthStar Earth & Space, разрабатывающей систему отслеживания спутников на орбите.
Согласно Neuraspace, их подход с ИИ, использующий данные из разных источников, позволяет сократить время анализа сближений до менее чем одного часа — в отличие от нескольких часов, которые требуются при традиционных методах.
Источник
#ИИ #SSA #дания #португалия
Компания GomSpace, производитель малых спутников из Дании, объявила о планах интеграции инструментов управления космическим движением (space traffic management, STM) от португальской Neuraspace в свою платформу управления спутниками, чтобы повысить безопасность работы на орбите.
Партнерство объединяет возможности Neuraspace по отслеживанию спутников с использованием искусственного интеллекта с платформой Hands-Off Operations Platform (HOOP) от GomSpace, предназначенной для автоматизации управления спутниками — от подготовки к запуску до вывода из эксплуатации.
Neuraspace использует данные из открытых каталогов, сотрудничает с поставщиками наземных телескопов и применяет собственную сенсорную инфраструктуру для предоставления информации об орбитах спутников в режиме реального времени.
Пользователи HOOP будут получать автоматические предупреждения о сближениях и рекомендации по оптимальным уклоняющим маневрам в рамках услуги от GomSpace.
По мере роста числа спутников на орбите Земли — в первую очередь за счет мегагруппировок вроде Starlink — возрастает риск столкновений и образования космического мусора. Это может привести к сценарию синдрома Кесслера — цепной реакции столкновений, делающей околоземную орбиту непригодной для использования.
Сейчас на рынок вышло множество STM-стартапов, стремящихся решить эти проблемы — от провайдеров наземных датчиков, вроде Leolabs, до NorthStar Earth & Space, разрабатывающей систему отслеживания спутников на орбите.
Согласно Neuraspace, их подход с ИИ, использующий данные из разных источников, позволяет сократить время анализа сближений до менее чем одного часа — в отличие от нескольких часов, которые требуются при традиционных методах.
Источник
#ИИ #SSA #дания #португалия
Aitech представила IQSat — пикоспутник для приложений искусственного интеллекта
Aitech Systems (шт. Калифорния, США), известная своей электроникой для военных и аэрокосмических задач, объявила о планах запуска пикоспутника IQSat, предназначенного для приложений с использованием искусственного интеллекта (ИИ).
IQSat оснащен аналитической платформой Intuidex Watchman for Space, которая использует ИИ и алгоритмы машинного обучения для задач наземной разведки и наблюдения, а также ситуационной осведомленности в космическом пространстве.
По замыслу разработчиков, группировки спутников IQSat смогут, например, обнаруживать космический мусор, наблюдать за деятельностью на Земле или отслеживать радиосигналы.
Клиенты смогут начать проектировать миссии с использованием IQSat в четвертом квартале нынешнего года. В дополнение к стандартным компонентам COTS (commercial-off-the-shelf), предлагаются опции по электродвигательной установке и радиосвязи.
По словам Пратиша Шаха (Pratish Shah), генерального менеджера Aitech в США, к компании уже обратились клиенты, заинтересованные в использовании IQSat для военных, научных и коммерческих целей. До официального анонса некий неназванный заказчик начал совместную работу с Aitech над созданием группировки из сотен IQSat. Первые спутники, размером 10 × 10 × 30 см, должны быть запущены в первом квартале 2026 года.
📸 Художественное изображение спутника IQSat компании Aitech Systems.
Источник
#США #ИИ
Aitech Systems (шт. Калифорния, США), известная своей электроникой для военных и аэрокосмических задач, объявила о планах запуска пикоспутника IQSat, предназначенного для приложений с использованием искусственного интеллекта (ИИ).
IQSat оснащен аналитической платформой Intuidex Watchman for Space, которая использует ИИ и алгоритмы машинного обучения для задач наземной разведки и наблюдения, а также ситуационной осведомленности в космическом пространстве.
По замыслу разработчиков, группировки спутников IQSat смогут, например, обнаруживать космический мусор, наблюдать за деятельностью на Земле или отслеживать радиосигналы.
Клиенты смогут начать проектировать миссии с использованием IQSat в четвертом квартале нынешнего года. В дополнение к стандартным компонентам COTS (commercial-off-the-shelf), предлагаются опции по электродвигательной установке и радиосвязи.
По словам Пратиша Шаха (Pratish Shah), генерального менеджера Aitech в США, к компании уже обратились клиенты, заинтересованные в использовании IQSat для военных, научных и коммерческих целей. До официального анонса некий неназванный заказчик начал совместную работу с Aitech над созданием группировки из сотен IQSat. Первые спутники, размером 10 × 10 × 30 см, должны быть запущены в первом квартале 2026 года.
📸 Художественное изображение спутника IQSat компании Aitech Systems.
Источник
#США #ИИ
Самарский студент разработал проект первой в России наноспутниковой платформы с искусственным интеллектом на борту
Студент Самарского университета им. Королёва Вадим Игнатьев разработал проект первой в России наноспутниковой платформы, на базе которой можно будет создавать наноспутники формата "кубсат" с искусственным интеллектом на борту. Специальная нейросеть, работающая на микрокомпьютере, будет прямо на орбите анализировать и обрабатывать получаемые спутником данные, что позволит в несколько раз ускорить передачу информации на Землю за счет эффективного сжатия данных.
Платформа получила название "Фаэтон". Она похожа на космический конструктор — состоит из набора стандартизированных компонентов, модулей, программного обеспечения и систем, позволяющих легко интегрировать полезную нагрузку и оперативно создавать наноспутники под требования заказчика. Размерность наноспутников на платформе "Фаэтон" предусмотрена стандартная – 3U, то есть три "юнита" ("кубика"). Общие габариты такого спутника – 10х10х34 см. Под полезную нагрузку отводится до половины внутреннего объема аппарата.
"Цель этого проекта — предложить университетам и научным учреждениям, нуждающимся в создании своего наноспутника, более современную и эффективную наноспутниковую платформу, позволяющую быстро, в сжатые сроки, собрать космический аппарат необходимой конфигурации согласно требованиям заказчика. Новая платформа позволяет значительно расширить типы и размеры устанавливаемой полезной нагрузки, решить проблему низкой энергоэффективности наноспутников, ускорить передачу данных на Землю и увеличить срок активного существования аппарата на орбите. Одной из отличительных характеристик платформы является использование нейросетей, ранее они на отечественных наноспутниках не применялись. Использование искусственного интеллекта и машинного обучения для обработки и сжатия данных на борту обеспечит гибкость и оперативность при обработке, хранении и передаче информации с полезной нагрузки", — рассказал автор проекта Вадим Игнатьев.
По его словам, если, например, на спутнике в качестве целевой аппаратуры будет установлен оптико-электронный комплекс дистанционного зондирования Земли, то нейросетевой анализ полученных снимков, проводимый прямо на борту, заметно повысит эффективность дистанционного зондирования. Нейросеть сможет выбрать наиболее подходящие под полученное задание снимки, улучшить пространственное разрешение и восстановить поврежденный или зашумленный снимок, а также за счет эффективного сжатия уменьшить общий размер файлов, что напрямую повлияет на скорость передачи данных на Землю. ИИ сможет обрабатывать и любые другие данные, не только снимки.
"Обработка с помощью нейронной сети обеспечит сжатие размера данных более чем в три раза без потерь, что даст возможность сэкономить необходимую пропускную способность каналов связи. В итоге на приемо-передающий комплекс на Земле будут поступать уже обработанные данные, что увеличит эффективность сеансов связи и сэкономит время. Кроме того, сэкономленная пропускная способность каналов связи позволяет установить недорогие приемопередающие системы на радиолюбительских частотах, это решение снижает общую стоимость платформы — не нужно будет тратить деньги и время на получение разрешения для использования высокоскоростной радиолинии. Но, конечно же, если для работы полезной нагрузки понадобится высокая скорость передачи, то можно будет установить и высокоскоростную радиоаппаратуру", — отметил Вадим Игнатьев.
#россия #ИИ #onboard
Студент Самарского университета им. Королёва Вадим Игнатьев разработал проект первой в России наноспутниковой платформы, на базе которой можно будет создавать наноспутники формата "кубсат" с искусственным интеллектом на борту. Специальная нейросеть, работающая на микрокомпьютере, будет прямо на орбите анализировать и обрабатывать получаемые спутником данные, что позволит в несколько раз ускорить передачу информации на Землю за счет эффективного сжатия данных.
Платформа получила название "Фаэтон". Она похожа на космический конструктор — состоит из набора стандартизированных компонентов, модулей, программного обеспечения и систем, позволяющих легко интегрировать полезную нагрузку и оперативно создавать наноспутники под требования заказчика. Размерность наноспутников на платформе "Фаэтон" предусмотрена стандартная – 3U, то есть три "юнита" ("кубика"). Общие габариты такого спутника – 10х10х34 см. Под полезную нагрузку отводится до половины внутреннего объема аппарата.
"Цель этого проекта — предложить университетам и научным учреждениям, нуждающимся в создании своего наноспутника, более современную и эффективную наноспутниковую платформу, позволяющую быстро, в сжатые сроки, собрать космический аппарат необходимой конфигурации согласно требованиям заказчика. Новая платформа позволяет значительно расширить типы и размеры устанавливаемой полезной нагрузки, решить проблему низкой энергоэффективности наноспутников, ускорить передачу данных на Землю и увеличить срок активного существования аппарата на орбите. Одной из отличительных характеристик платформы является использование нейросетей, ранее они на отечественных наноспутниках не применялись. Использование искусственного интеллекта и машинного обучения для обработки и сжатия данных на борту обеспечит гибкость и оперативность при обработке, хранении и передаче информации с полезной нагрузки", — рассказал автор проекта Вадим Игнатьев.
По его словам, если, например, на спутнике в качестве целевой аппаратуры будет установлен оптико-электронный комплекс дистанционного зондирования Земли, то нейросетевой анализ полученных снимков, проводимый прямо на борту, заметно повысит эффективность дистанционного зондирования. Нейросеть сможет выбрать наиболее подходящие под полученное задание снимки, улучшить пространственное разрешение и восстановить поврежденный или зашумленный снимок, а также за счет эффективного сжатия уменьшить общий размер файлов, что напрямую повлияет на скорость передачи данных на Землю. ИИ сможет обрабатывать и любые другие данные, не только снимки.
"Обработка с помощью нейронной сети обеспечит сжатие размера данных более чем в три раза без потерь, что даст возможность сэкономить необходимую пропускную способность каналов связи. В итоге на приемо-передающий комплекс на Земле будут поступать уже обработанные данные, что увеличит эффективность сеансов связи и сэкономит время. Кроме того, сэкономленная пропускная способность каналов связи позволяет установить недорогие приемопередающие системы на радиолюбительских частотах, это решение снижает общую стоимость платформы — не нужно будет тратить деньги и время на получение разрешения для использования высокоскоростной радиолинии. Но, конечно же, если для работы полезной нагрузки понадобится высокая скорость передачи, то можно будет установить и высокоскоростную радиоаппаратуру", — отметил Вадим Игнатьев.
#россия #ИИ #onboard
Самарский студент разработал проект первой в России наноспутниковой платформы с искусственным интеллектом на борту (окончание)
Энергосистема "Фаэтона", согласно проекту, будет примерно в два-три раза мощнее, чем у других наноспутниковых платформ. Запасы мощности вырастут благодаря установке дополнительных раскрывающихся солнечных панелей, использующих высокоэффективные фотоэлектрические преобразователи на основе арсенида галлия (GaAs).
"По сравнению с аналогичными наноспутниками подобной компоновки на платформе "Фаэтон" предусмотрена установка раскрывающихся солнечных панелей, что дает увеличение рабочей площади панелей в два три раза. Соответственно вырастет и выработка электроэнергии на спутнике. Это даст возможность обеспечить необходимой энергией работу системы периферийных вычислений и повысить максимальную мощность для полезной нагрузки вплоть до 20 Вт, то есть заказчики — университеты или научные институты — смогут использовать на своих наноспутниках более мощные и сложные устройства, что расширит горизонты исследований и позволит проводить более амбициозные эксперименты", — подчеркнул Вадим Игнатьев.
Команда по реализации проекта планирует изготовить опытный образец первого наноспутника на платформе "Фаэтон" в 2026 году. Сейчас идет активный набор студентов, желающих принять участие в данном проекте и другой инновационной деятельности в космической отрасли.
Источник
#россия #ИИ #onboard
Энергосистема "Фаэтона", согласно проекту, будет примерно в два-три раза мощнее, чем у других наноспутниковых платформ. Запасы мощности вырастут благодаря установке дополнительных раскрывающихся солнечных панелей, использующих высокоэффективные фотоэлектрические преобразователи на основе арсенида галлия (GaAs).
"По сравнению с аналогичными наноспутниками подобной компоновки на платформе "Фаэтон" предусмотрена установка раскрывающихся солнечных панелей, что дает увеличение рабочей площади панелей в два три раза. Соответственно вырастет и выработка электроэнергии на спутнике. Это даст возможность обеспечить необходимой энергией работу системы периферийных вычислений и повысить максимальную мощность для полезной нагрузки вплоть до 20 Вт, то есть заказчики — университеты или научные институты — смогут использовать на своих наноспутниках более мощные и сложные устройства, что расширит горизонты исследований и позволит проводить более амбициозные эксперименты", — подчеркнул Вадим Игнатьев.
Команда по реализации проекта планирует изготовить опытный образец первого наноспутника на платформе "Фаэтон" в 2026 году. Сейчас идет активный набор студентов, желающих принять участие в данном проекте и другой инновационной деятельности в космической отрасли.
Источник
#россия #ИИ #onboard
ssau.ru
Самарский студент разработал проект первой в России наноспутниковой платформы с искусственным интеллектом на борту
Платформа позволит создавать более "умные", мощные и "живучие" наноспутники формата "кубсат"
Sidus Space и Little Place Labs представили новые возможности наблюдения за морским пространством спутниковой платформы LizzieSat
Компания Sidus Space (шт. Флорида, США) сообщила о возможностях своей космической платформы LizzieSat по обнаружению и классификации судов в режиме, близком к реальному времени.
LizzieSat теперь может обрабатывать данные непосредственно на борту с помощью своей вычислительной системы Orlaith AI Ecosystem, которая включает в себя аппаратное обеспечение FeatherEdge edge computing и программное обеспечение OrbitfyEdge от технологического партнера Little Place Labs (Великобритания).
“Благодаря обработке данных непосредственно на борту спутников LizzieSat, OrbitfyEdge, как ожидается, устранит задержки, традиционно связанные с передачей данных и наземным анализом”, — указано в заявлении Sidus Space. “Это решение не только обнаруживает и классифицирует суда, но и перекрестно сопоставляет данные бортовой системы автоматической идентификации (AIS), чтобы выявить или отметить “темные" суда, занимающиеся незаконной деятельностью, такой как пиратство или незаконный лов рыбы. Информация будет поступать практически в режиме реального времени, что позволит быстро реагировать на угрозы безопасности на море и нарушения цепочки поставок".
Соглашение о стратегическом партнерстве между Sidus и Little Place Labs было заключено в январе нынешнего года. С тех пор обе компании сотрудничают в разработке интегрированных спутниковых решений на основе граничных вычислений и приложений искусственного интеллекта.
#onboard #ИИ
Компания Sidus Space (шт. Флорида, США) сообщила о возможностях своей космической платформы LizzieSat по обнаружению и классификации судов в режиме, близком к реальному времени.
LizzieSat теперь может обрабатывать данные непосредственно на борту с помощью своей вычислительной системы Orlaith AI Ecosystem, которая включает в себя аппаратное обеспечение FeatherEdge edge computing и программное обеспечение OrbitfyEdge от технологического партнера Little Place Labs (Великобритания).
“Благодаря обработке данных непосредственно на борту спутников LizzieSat, OrbitfyEdge, как ожидается, устранит задержки, традиционно связанные с передачей данных и наземным анализом”, — указано в заявлении Sidus Space. “Это решение не только обнаруживает и классифицирует суда, но и перекрестно сопоставляет данные бортовой системы автоматической идентификации (AIS), чтобы выявить или отметить “темные" суда, занимающиеся незаконной деятельностью, такой как пиратство или незаконный лов рыбы. Информация будет поступать практически в режиме реального времени, что позволит быстро реагировать на угрозы безопасности на море и нарушения цепочки поставок".
Соглашение о стратегическом партнерстве между Sidus и Little Place Labs было заключено в январе нынешнего года. С тех пор обе компании сотрудничают в разработке интегрированных спутниковых решений на основе граничных вычислений и приложений искусственного интеллекта.
#onboard #ИИ