XiaoMi-AI文件搜索系统
World File Search System空间遥感
商业空间遥感及其在...中的作用
引言 早在 20 世纪 50 年代末的发射和捕获 CORONA 卫星计划中，美国从太空遥感中获取信息的战略就以三种模式为中心：政府开发的卫星、以人为本的处理和机构数据所有权。在与苏联进行太空传感竞争的猫捉老鼠时期，这些方法发挥了很好的作用，当时精密的卫星传感器和太空发射能力是政府的专属职权范围。同样，处理少量模拟和数字卫星图像的需求也非常适合经验丰富的人类分析员，他们对俄罗斯机场、训练场和潜艇围栏的正常活动有深入的了解，可以迅速发现异常情况。这些严密保护信息的分析员创造了急需的高素质情报专家队伍。
遥感与 GIS 法律
• 遥感数据政策最初于 2001 年推出，并于 2011 年更新。 • 全球环境发展如此迅速，政策更新势在必行。 • 印度空间遥感政策草案（SpaceRS Policy-2020）于 2020 年 11 月发布，征求公众意见， • 2020 年政策表明，印度政府打算促进印度工业在印度境内外开展空间遥感活动； • 轻松访问空间遥感数据，“敏感数据和信息”除外； • 为印度商业工业提供及时、响应迅速的监管环境，以建立和运营空间遥感系统等。 • 虽然对“敏感数据”的访问限制有了很大放宽，现在将其定义为“地面采样距离优于 50 厘米的非常高分辨率数据”，但仍未达到美国等国家为商业图像分发设定的限制。 • 可能，所有非常高分辨率的数据都不一定敏感，尽管所有敏感数据都可能作为子集归入非常高分辨率数据。 • 因此，敏感数据的标准可以更加细化，以减轻印度工业的竞争劣势。 • 此外，指南将扩展到涵盖全球背景下的不同商业安排模式，因为在当前环境下，私营部门的新创业公司很有可能在国内和海外市场寻求生存。 https://www.isro.gov.in/sites/default/files/spacers_policy_ngp_2020_draft.pdf
AI在Space NASA
NASA利用人工智能（AI）来支持其任务和研究项目，分析数据，开发航天器和飞机的自主系统，以及自动化项目审查等任务。AI工具已被美国国家航空航天局（NASA）使用了数十年，利用机器学习来对大型数据集进行分类，预测和识别模式。这些工具使代理商能够简化决策，节省资源并更有效地利用其劳动力。例如，Pixl是持久漫游者上的X射线光谱仪，它采用自适应采样AI来检查火星上的岩石，从而精确地扫描了甚至小靶标，例如盐晶粒。NASA副管理人Pam Melroy强调，AI是一种强大的工具，称其已被用来安全有效地支持任务。 该机构继续开发和利用AI工具用于各种应用程序，包括检测异常，预测事件以及分析数据以揭示趋势和模式。 NASA希望领导人工智能开发国家安全，经济和社会NASA的AI工具可以快速扫描新陨石坑的图像，而在2020年，科学家证实，在AI将其确定为潜在地点之后，使用Hirise的新火山口使用。 该技术还用于分析大型数据集以识别需要注意的不同特征，用于异常检测或更改检测。 此过程已应用于各种NASA任务，例如预测藻类开花，飓风强度，珊瑚健康和追踪野火。 例如，拟议的欧罗巴陆地任务可以使用这些算法在Jovian Moon上寻找生活。NASA副管理人Pam Melroy强调，AI是一种强大的工具，称其已被用来安全有效地支持任务。该机构继续开发和利用AI工具用于各种应用程序，包括检测异常，预测事件以及分析数据以揭示趋势和模式。NASA希望领导人工智能开发国家安全，经济和社会NASA的AI工具可以快速扫描新陨石坑的图像，而在2020年，科学家证实，在AI将其确定为潜在地点之后，使用Hirise的新火山口使用。该技术还用于分析大型数据集以识别需要注意的不同特征，用于异常检测或更改检测。此过程已应用于各种NASA任务，例如预测藻类开花，飓风强度，珊瑚健康和追踪野火。例如，拟议的欧罗巴陆地任务可以使用这些算法在Jovian Moon上寻找生活。一组人员和承包商开发了新的算法，这些算法使空间工具可以更有效地处理数据，从而使他们能够快速自主地向地面上的科学家提供关键信息，以自主确定哪种地球现象最重要。目标是自动应对火山喷发，洪水或有害藻类的事件，改善观察结果和人类安全。开发AI驱动的空间探索工具对我们对宇宙的理解具有重要意义。chien是该领域的先驱，使用国际空间站（ISS）上的高级计算机制定了原型算法。他在各种处理器上测试了这些算法，包括嵌入式商用商业算法，例如Snapdragon 855和Myriad X，以及传统的航天器处理器PPC-750和Sabertooth。结果表明，这些嵌入式处理器适用于空间遥感，从而更容易将AI集成到新的任务中。通过处理板上的数据，Chien的算法阻止重要信息埋在较大的传输中。这项技术不仅在观察其他行星的仪器中都具有潜在的应用程序。团队还正在测试神经网络模型以解释火星卫星图像，这可以使卫星能够检测出新的冲击力，这是陨石的证据。“我们的漫游者的数据不仅将被传输回地球，而且还用来告知关于流动站可以安全探索的决定，” JPL数据科学家Emily Dunkel说。流动站可能会与神经网络结合使用这些强大的处理器来确定安全驾驶路线。团队使用Cognisat框架在无数X上部署模型，简化了板载深度学习模型的开发，并为NASA的太空任务铺平了道路。根据Ubotica高级工程师LéonieBuckley的说法，这种进步表明，硬件和软件系统已准备好进行太空探索。随着气候变化改变我们的星球，像Chien这样的系统使科学仪器能够与他们观察到的地球系统一样动态。现在正在将计算技术的快速进步纳入NASA任务中，反映了智能手机等个人设备中可用的巨大功能。