Satelita z modelem Gemma 3 na pokładzie sam rozpoznaje, co widzi

Satelita obserwacyjny YAM-9, należący do firmy Loft Orbital, jako pierwszy w historii samodzielnie zinterpretował zdjęcie Ziemi na orbicie, bez wysyłania surowych danych do naziemnych analityków. Za tę zdolność odpowiada NAVI-Orbital, oprogramowanie stworzone przez Jet Propulsion Laboratory NASA we współpracy z Loft Orbital, które uruchamia bezpośrednio na pokładzie satelity model wizyjno-językowy Gemma 3 od Google DeepMind.

Jak to działa

System pozwala operatorom zadawać satelicie pytania w zwykłym języku, na przykład polecenie znajdź wszystkie węzły kolejowe w tym kraju, podobnie jak w rozmowie z asystentem typu Gemini czy Siri. NAVI-Orbital klasyfikuje wtedy obraz na pokładzie i zwraca gotową odpowiedź opisową, zamiast przesyłać megabajty surowych zdjęć do analizy na Ziemi. Model rozpoznaje między innymi mosty, autostrady, zbiorniki wodne oraz skutki katastrof naturalnych.

Kluczem do działania całego układu jest niewielki rozmiar Gemma 3. To lekka rodzina modeli Google DeepMind, zaprojektowana tak, by działać nawet na laptopach, co czyni ją jednym z niewielu modeli wizyjno-językowych mieszczących się w budżecie energetycznym i obliczeniowym niewielkiego satelity. Zespół JPL, kierowany przez Juana Delfę Victorię, musiał dodatkowo okroić zależności programistyczne i przebudować potok wnioskowania, by zmieścić się w ograniczeniach pamięci YAM-9.

Wyniki testów

W testach naziemnych system sklasyfikował około 7960 zdjęć z dokładnością 88,2 procent, przypisując je do kategorii takich jak tereny mieszkalne, plaże, obszary rolnicze czy góry. Na orbicie wykonano dotychczas dwa żywe testy przechwytywania i klasyfikacji obrazu, a kolejne są planowane. Orkiestracją całego procesu, od kolejkowania zapytań przez przekazywanie zdjęć modelowi po kierowanie wynikami, zajmuje się framework LangGraph.

YAM-9 trafił na orbitę w ramach misji SpaceX Transporter-15 28 listopada 2025 roku, a sama demonstracja możliwości NAVI-Orbital i Gemma 3 odbyła się w kwietniu 2026 roku. Informacja szerzej rozeszła się w ostatnich tygodniach, docierając też do polskich mediów technologicznych.

Dlaczego to ważne

Dotychczasowy model pracy satelitów obserwacyjnych polegał na przesyłaniu surowych zdjęć na Ziemię, gdzie dopiero analitycy lub osobne systemy AI wyszukiwały interesujące fragmenty. Przeniesienie analizy na pokład satelity skraca czas reakcji z godzin czy dni do minut, co ma znaczenie choćby przy monitorowaniu klęsk żywiołowych, nielegalnego wylesiania czy ruchów wojsk. Szacunki Loft Orbital mówią, że do stałego, globalnego monitoringu w czasie rzeczywistym potrzeba od 50 do 100 satelitów o podobnych możliwościach.

Największą przeszkodą w skalowaniu tego podejścia pozostaje budżet energetyczny małych satelitów oraz logistyka aktualizacji oprogramowania na orbicie. Testy pokazały też, że wyniki demonstracji z kwietnia wciąż nie doczekały się pełnych, publicznie dostępnych danych porównawczych, co utrudnia ocenę, jak bardzo NAVI-Orbital ustępuje analizie prowadzonej na Ziemi.

Dla firm zajmujących się teledetekcją i analizą danych satelitarnych, w tym polskich spółek działających w sektorze kosmicznym, demonstracja YAM-9 pokazuje kierunek rozwoju całej branży: modele wizyjno-językowe trafiają na pokład, a nie tylko do centrów danych na Ziemi. To otwiera pole do usług opartych na zapytaniach w czasie rzeczywistym, ale wymaga też nowych kompetencji w optymalizacji modeli pod skrajnie ograniczony sprzęt.

Źródła: In a First For Science, A Satellite Has Identified What It's Seeing From Space (sciencealert.com), YAM-9: Advancing Missions, Compute, and Innovation in Orbit (loftorbital.com), Przełomowa technologia. Satelita samodzielnie rozpoznaje na co patrzy (tech.wp.pl)