Суть эксперимента
Традиционная цепочка работы со спутниковыми данными выглядит так: аппарат собирает снимки, передаёт их на Землю большими массивами, где аналитики разбирают их вручную или с помощью алгоритмов машинного обучения. Это дорого и медленно — особенно когда речь идёт об оперативном мониторинге территорий.
В апреле спутник Yam-9 компании Loft Orbital (оператор космической инфраструктуры) показал, что промежуточное звено можно убрать: бортовое программное обеспечение самостоятельно обработало запрос на естественном языке и нашло соответствующие объекты на снимках без участия аналитиков. Это первый зафиксированный случай применения мультимодальной языковой модели (VLM, vision-language model) непосредственно на орбите.
Исследователи формулировали задачи в произвольной форме: классифицировать данные датчиков на границе природной среды и застроенных территорий, идентифицировать инфраструктуру вблизи железнодорожных узлов. Модель справлялась. Именно эта способность — понимать смысл запроса, а не просто сопоставлять пиксели по шаблону — принципиально отличает VLM от традиционных алгоритмов компьютерного зрения и определяет значимость результата.
Технология
В основе демонстрации — Gemma 3 от Google DeepMind, мультимодальная языковая модель, разработанная для периферийных (edge) устройств. В отличие от тяжёлых облачных моделей, она рассчитана на работу с ограниченными вычислительными ресурсами без постоянного подключения к дата-центру — что критично в условиях орбиты. VLM объединяет два класса возможностей: контекстное понимание, характерное для больших языковых моделей (LLM), и анализ изображений.
Программным хостом для Gemma 3 служил пакет NAVI-Orbital, разработанный командой Хуана Дельфа Виктории (Juan Delfa Victoria), технического лидера AI-группы NASA JPL (Лаборатории реактивного движения). Несмотря на то что Gemma 3 — готовое коммерческое решение, инженерам пришлось существенно доработать интеграцию: сократить число подключаемых библиотек и снизить потребление оперативной памяти до уровня, приемлемого для орбитального железа.
Вычислительным сердцем Yam-9 служит GPU Nvidia Jetson Orin AGX — один из ведущих чипов для edge-вычислений в космосе. Аппарат был запущен осенью 2025 года специально как экспериментальная платформа для орбитальных AI-проектов Loft.
Loft Orbital: платформа и бизнес-модель
Loft Orbital — не традиционный производитель спутников. Компания позиционирует себя как оператор космической инфраструктуры и работает по модели, близкой к «инфраструктуре как услуге» (IaaS): клиенты получают доступ к орбитальным ресурсам, не инвестируя в собственные аппараты. По одной из последних сделок Loft построила, вывела на орбиту и сейчас обслуживает шесть спутников для EarthDaily — аналитика и дистрибьютора спутниковых данных.
На сегодняшний день Loft управляет 12 спутниками. По оценке руководителя направления AI Поля Лассера (Paul Lasserre), для создания группировки с покрытием любой точки Земли в режиме реального времени потребуется от 50 до 100 аппаратов класса Yam-9. «Теперь, когда концепция доказана, именно в этом направлении мы и движемся», — заявил он TechCrunch.
Успех эксперимента открывает путь к тому, что Лассер называет «постоянно активными орбитальными патрульными слоями». С VLM на борту можно задать логику вроде «следи за этой границей и сообщай, когда что-то выглядит подозрительно» — и вести диалог со спутниками в интерактивном режиме. В краткосрочной перспективе первичная сортировка данных прямо на орбите сократит поток сырой информации, с которым сейчас работают аналитики; в долгосрочной — подтверждает принципиальную возможность масштабной AI-инфраструктуры в космосе.
Реакция отрасли
Loft — не единственная компания, движущаяся в этом направлении. Planet Labs, один из крупнейших операторов орбитальных группировок спутников наблюдения, уже эксплуатирует аппараты с процессорами Jetson Orin. Пока они задействованы для более простых задач обнаружения объектов, однако, по словам представителя компании, ведутся исследования других AI-приложений, в том числе VLM.
Kepler Communications, оператор крупнейшей орбитальной группировки с GPU (аппараты запущены в январе 2026 года), отказалась раскрывать, развёртывала ли она VLM в космосе, сославшись на соглашения о неразглашении с партнёрами. Вместе с тем компания отметила, что с момента запуска зафиксировано «несколько нераскрытых сценариев использования нашей вычислительной среды» — формулировка, которая сама по себе говорит о многом.
Опыт развёртывания компактных моделей на орбите имеет значение за пределами конкретного кейса: он помогает отрасли выработать инженерные подходы к управлению энергопотреблением и памятью — ключевым ограничениям при создании масштабной вычислительной инфраструктуры в космосе.
Научный контекст
Идея NAVI-Space — концептуального предшественника NAVI-Orbital — принадлежит исследователю JPL Тарану Сириак Джону (Taran Cyriac John). Он работал над концепцией цифровых ассистентов для астронавтов, исследующих Луну или Марс, где задержки связи и физические ограничения скафандров под давлением делают привычный текстовый ввод невозможным.
«Мы рассуждали так: у астронавтов скафандры под давлением, они не могут набирать текст на клавиатуре, а задачи сложные, — пояснил Дельфа Виктория. — Почему бы не создать ассистента — как в видеоиграх и кино, где есть интерактивный AI?» Только не называйте его HAL 9000 — бортовым компьютером-антагонистом из «2001: Космической одиссеи» Кубрика.
