NASA與Loft Orbital驗證衛星自主AI分析技術，開啟即時太空監測新時代

關鍵字：；；；；；；；；；

瀏覽次數：103｜歡迎推文：

科技產業資訊室(iKnow) - 黃松勳發表於 2026年7月3日

圖、NASA與Loft Orbital驗證衛星自主AI分析技術，開啟即時太空監測新時代

隨著地球觀測衛星解析度與資料產出量快速提升，傳統仰賴地面站下載影像後再進行分析的模式正面臨瓶頸。大量影像不僅消耗傳輸頻寬，也增加分析時間與能源成本。為解決此問題，美國NASA噴射推進實驗室（JPL）與Loft Orbital合作開發的NAVI-Orbital系統，成功實現衛星在軌自主辨識與分析影像，成為太空AI應用的重要里程碑。

最新實驗顯示，搭載於YAM-9衛星上的AI系統，已能直接在軌道上辨識影像內容、生成文字描述，並接受自然語言指令執行任務。研究團隊表示，這是全球首次由視覺語言模型（Vision-Language Model, VLM）在衛星上完成自主多模態推論，代表未來衛星將不再只是被動資料蒐集工具，而是具備自主判斷能力的智慧感測平台。

NAVI-Orbital核心技術結合Google DeepMind的Gemma 3模型與NASA JPL開發的軟體架構。不同於傳統影像辨識系統需針對特定目標反覆訓練模型，該系統可透過自然語言提示（Prompt）直接指定任務，例如搜尋鐵路樞紐、港口設施、洪水區域或野火跡象，大幅縮短衛星重新部署任務的時間與成本。

研究團隊指出，系統採用多代理人（Multi-Agent）架構運作，包括負責任務協調的管理代理人、執行影像分析的偵測代理人，以及提供互動問答的對話代理人。此架構讓衛星能夠分析影像內容、產生摘要，甚至回答操作人員的後續問題，使人機互動方式從傳統程式指令轉向自然語言溝通。

在地面測試階段，NAVI-Orbital針對近8,000張航拍影像進行驗證，整體辨識準確率達88%以上，能有效區分住宅區、農業區、機場、港口、山區及水域等不同地貌。相關研究亦證實，系統不需針對新場景重新訓練模型，只需修改文字提示即可執行新的觀測任務，展現大型基礎模型在太空環境中的彈性應用潛力。

除了單顆衛星智慧化外，NASA與Loft Orbital也透過聯邦式自主觀測（Federated Autonomous Measurement, FAME）計畫推動衛星群自主協作。當一顆衛星發現異常現象，例如森林火災、海洋污染或洪水災情時，可立即通知其他衛星進行後續觀測，形成所謂「提示與線索」（Tip-and-Cue）機制，大幅縮短事件發現到精準觀測的反應時間。

Loft Orbital表示，過去受限於太空載具運算能力與功耗限制，先進AI模型難以部署於衛星上。然而近年輕量化大型模型與邊緣運算技術快速成熟，使衛星得以在有限硬體資源下執行多模態推論任務。這也讓即時分析、即時決策成為未來衛星系統的重要發展方向。

從產業角度觀察，衛星自主AI將改變地球觀測產業價值鏈。未來衛星可直接回傳事件警報與分析結果，而非大量原始影像資料，降低頻寬需求並提升資訊價值。相關技術除可應用於環境監測、災害預警與資源管理外，也可延伸至國防、安全監控及智慧基礎設施管理等領域。

未來，Loft Orbital已規劃於2027至2028年間部署新一代AI衛星平台，並推動多衛星協同運作模式。隨著自主感測、邊緣運算與衛星間通訊技術持續成熟，具備即時分析與自主決策能力的智慧衛星星系，將成為下一波太空產業競爭的重要發展方向，也可能重新定義全球地球觀測與太空服務市場的運作模式。(1125字；圖1)

參考資料：
NASA Testing AI-Powered Space System for Fire Detection. Zamin, 2026/6/26
Onboard Vision-Language Models. TrendHunter, 2026/6/25
Loft Orbital to test AI models on spacecraft for Earth observation. SpaceNews, 2026/6/23
NAVI-Orbital: First In-Orbit Demonstration of a Zero-Shot Vision-Language Model for Autonomous Earth Observation. arXiv, 2026/6/5

歡迎來粉絲團按讚！

--------------------------------------------------------------------------------------------------------------------------------------------