地理空间基础模型的首次在轨演示
机器学习
2025-12-02 v1 人工智能
计算机视觉与模式识别
摘要
地理空间基础模型（GeoFMs）在地球观测（EO）任务中展现出广泛的泛化能力，尤其在数据受限的情况下。然而，其庞大的数据规模构成了在资源受限的空间硬件上部署的障碍。为此，我们提出了基于视觉转换器（ViT）的 GeoFM 的紧凑变体，既保留了下游任务性能，又实现了 onboard 执行。我们在五个下游任务上进行评估，并在两个具有代表性的飞行环境中进行验证，表明模型压缩和领域适应是降低规模和资源需求、在操作条件下维持高性能的关键。我们进一步在际空间站上的 IMAGIN-e 有效载荷上Demonstrate了可靠的在轨推理。这些结果为从大型 GeoFMs 向飞行就绪、资源高效的部署奠定了路径，拓展了 onboard AI 用于 EO 任务的可行性。
引用
@article{arxiv.2512.01181,
title = {First On-Orbit Demonstration of a Geospatial Foundation Model},
author = {Andrew Du and Roberto Del Prete and Alejandro Mousist and Nick Manser and Fabrice Marre and Andrew Barton and Carl Seubert and Gabriele Meoni and Tat-Jun Chin},
journal= {arXiv preprint arXiv:2512.01181},
year = {2025}
}