通过大视觉-语言模型的星地协同实现近实时遥感
网络与互联网体系结构
2025-10-29 v1 人工智能
机器学习
摘要
大视觉-语言模型(LVLMs)近期在由低地球轨道(LEO)卫星执行的遥感(RS)任务(如灾害监测)中展现出巨大潜力。然而,其在真实 LEO 卫星系统中的部署仍鲜有探索,主要受限于星上计算资源有限以及星地接触时间短暂。我们提出了 Grace,一种面向遥感任务中近实时 LVLM 推理的星地协同系统。相应地,我们在卫星上部署紧凑型 LVLM 以进行实时推理,而在地面站(GSs)上部署更大的模型以保证端到端性能。Grace 由两个主要阶段组成:异步的星地检索增强生成(RAG)以及任务调度算法。首先,在有限的星地数据交换时段内,通过定制的自适应更新算法将地面站 RAG 的知识库同步至星上知识库。其次,提出一种基于置信度的测试算法,用于决定任务是在星上处理还是卸载至地面站。基于真实卫星轨道数据的广泛实验表明,Grace 在不牺牲推理准确性的前提下,将平均延迟相比现有最先进方法降低了 76–95%。
引用
@article{arxiv.2510.24242,
title = {Enabling Near-realtime Remote Sensing via Satellite-Ground Collaboration of Large Vision-Language Models},
author = {Zihan Li and Jiahao Yang and Yuxin Zhang and Zhe Chen and Yue Gao},
journal= {arXiv preprint arXiv:2510.24242},
year = {2025}
}
备注
15 pages, 11 figures