Спутник YAM-9 впервые искал объекты с помощью ИИ

Loft Orbital и Лаборатория реактивного движения NASA сообщили о демонстрации, в которой спутник дистанционного зондирования Земли YAM-9 самостоятельно нашёл нужные объекты по запросу на естественном языке. Речь идёт о первом зафиксированном случае, когда визуально-языковая модель отработала прямо на орбите, без ручного отбора кадров специалистами на Земле. Для спутниковой индустрии это шаг от передачи «всего сырья вниз» к первичной аналитике на борту.

Обычно спутники наблюдения отправляют на Землю большие массивы изображений и телеметрии, а уже там аналитики и алгоритмы ищут пожары, суда, стройки или изменения рельефа. В этом случае часть работы перенесли на сам аппарат. На борту YAM-9 работал пакет, созданный JPL NASA, а в качестве модели использовали Gemma 3 от Google DeepMind, рассчитанную на периферийные сценарии с жёсткими ограничениями по вычислениям и энергопотреблению.

Во время демонстрации системе задавали запросы на обычном языке. Она классифицировала данные в зонах соприкосновения природной среды и человеческой деятельности, а также находила инфраструктуру возле железнодорожных узлов. Иначе говоря, спутник не просто снимал поверхность, а сначала пытался понять, есть ли в кадре то, что оператор считает значимым.

Практический эффект у такого подхода вполне приземлённый. Чем меньше необработанных данных нужно передавать на Землю, тем ниже нагрузка на каналы связи и тем быстрее можно реагировать на события. Для коммерческих операторов это особенно важно: современные оптические спутники высокого разрешения производят объёмы данных, которые растут быстрее, чем пропускная способность доступных линий связи.

YAM-9 и ИИ на орбите

Попытки перенести аналитику на орбиту идут не первый год, но до сих пор они в основном сводились к узким моделям. Спутники уже умели, например, отбрасывать кадры, закрытые облачностью, или выделять отдельные типы объектов по заранее заданным признакам. Новизна демонстрации YAM-9 в том, что на орбите запустили именно визуально-языковую модель, способную интерпретировать текстовый запрос и сопоставлять его с изображением.

Тренд здесь шире одной миссии. Индустрия ДЗЗ быстро смещается от продажи «картинок» к продаже событий и сигналов: факт вырубки леса, появление новой техники на площадке, изменение состояния трубопровода. По оценке Novaspace, мировой рынок геоаналитики на базе спутниковых данных уже измеряется миллиардами долларов и растёт быстрее, чем сегмент сырого снимка. Клиенту нужны не терабайты, а ответ на конкретный вопрос.

У крупных игроков похожая логика появилась раньше, хотя без публичной демонстрации VLM на борту. Planet развивает автоматическую классификацию изменений на ежедневных снимках Земли, BlackSky продаёт near-real-time аналитику для госзаказчиков и логистики, а ESA и NASA несколько лет тестируют edge AI для отбора полезных наблюдений прямо в космосе. Разница в том, что YAM-9 показал более универсальный интерфейс: оператор формулирует задачу словами, а не готовит отдельный алгоритм под каждый сценарий.

Это меняет и требования к космическим платформам. Для такой обработки нужны не только камеры и радиолиния, но и вычислительный модуль, устойчивый к радиации, перепадам питания и жёстким ограничениям по теплу. Loft Orbital как раз строит сервисную модель, при которой заказчик покупает не весь спутник, а место и вычислительные ресурсы на стандартной платформе. Если орбитальный ИИ станет регулярной услугой, такой подход может оказаться выгоднее запуска специализированного аппарата под одну задачу.

Есть и военный, и гражданский сценарии применения. В интервью TechCrunch руководитель направления ИИ в Loft Пол Лассерр описал идею постоянного «патрулирования» с правилами вида «следите за этой границей и сообщайте о подозрительной активности». Для гражданского рынка набор задач менее драматичный, но более массовый: контроль инфраструктуры, мониторинг портов, лесных пожаров, паводков и строительства. Здесь ценится не только точность, но и скорость срабатывания.

Следующий вопрос касается масштаба. Одна демонстрация ещё не означает, что спутниковые группировки начнут массово исполнять сложные запросы на борту. Для этого операторам придётся решить три задачи:

• снизить энергопотребление орбитальных вычислителей;
• подтвердить надёжность моделей в реальных миссиях;
• разобраться с приоритетами передачи и хранения данных;
• встроить такие системы в требования регуляторов и заказчиков.

Тем не менее направление выглядит логичным. После 2020 года число коммерческих спутников наблюдения заметно выросло, а вместе с ним выросла и конкуренция за скорость поставки результата. Если аппарат может отбросить второстепенные данные ещё на орбите и отправить вниз только событие, это даёт преимущество не в теории, а в SLA. Ответ на вопрос о коммерческой жизнеспособности появится быстро: в ближайшие 12-24 месяца операторы начнут либо добавлять подобные функции в новые платформы, либо оставят орбитальный ИИ на уровне красивой демонстрации.