軌道上VLMが初の対象探索、衛星データの詰まりを宇宙で減らす道

衛星画像の価値を決めるのは、撮影量だけではない。どのデータを地上へ送るべきかを、軌道上で先に判断できるかがボトルネックになる。YAM-9でのvision-language model実証は、その処理を宇宙側へ移す一歩だ。

TechCrunchは、2026年4月の実証を、地球観測衛星が地上アナリストなしで目的の対象を見つけた初の報告事例と伝えた。Loft OrbitalのYAM-9上で、NASA JPLのNAVI-OrbitalがGoogle DeepMindのGemma 3 VLMを動かした。

従来は大量のデータを地上へ下ろし、人間や機械学習モデルが後から分類する流れが中心だった。今回の実証では、自然環境と人間開発地域の境界、鉄道ハブ周辺のインフラといった対象を、自然言語の問いに沿って軌道上で分類した。

制約の厳しいedge環境で動いた点も大きい。YAM-9は2025年秋に打ち上げられ、宇宙コンピュートで使われるNvidia Jetson Orin AGX GPUを搭載している。JPLのエンジニアは、VLMを走らせるためにライブラリとメモリ使用量を削ったソフトウェア構成を用意した。

短期的には、地上分析者に届く生データの洪水を減らせる。長期的には、「この地域を監視して変化があれば知らせる」といった自然言語の監視タスクを衛星が理解する方向へ進む。Loftは現在12機を運用し、全地球のリアルタイムカバレッジにはYAM-9級の衛星が50〜100機必要と見ている。