Satelit pengamat Bumi kini mulai mengambil peran yang lebih aktif di luar angkasa. Melalui YAM-9, Loft Orbital menunjukkan bahwa citra tidak lagi harus diturunkan ke Bumi dalam bentuk mentah, karena sebagian analisis bisa dilakukan langsung di orbit dan hasilnya dikirim sebagai ringkasan yang lebih cepat dipakai.
Perubahan ini terasa penting karena memangkas waktu antara pengamatan dan keputusan. Dalam situasi seperti kebakaran hutan atau pemantauan infrastruktur, hasil yang sudah ditandai AI dalam hitungan menit jauh lebih berguna daripada tumpukan gambar yang masih menunggu ditelaah analis.
Analisis langsung di orbit
YAM-9 menjadi satelit pertama yang menjalankan vision-language model di orbit. Operator dapat mengirim permintaan dengan bahasa Inggris sederhana, lalu sistem menjawab dengan klasifikasi yang sudah diolah menjadi informasi yang bisa ditindaklanjuti.
Di ketinggian sekitar 500 kilometer, satelit ini memproses citra sebelum mengirimkan hasil ke Bumi. Alur seperti itu mengurangi beban stasiun bumi yang biasanya harus menerima banyak piksel dan terabyte gambar mentah.
Tiga komponen yang membuatnya berjalan
Kemampuan tersebut bertumpu pada tiga komponen utama. NAVI-Orbital milik NASA JPL mengubah pertanyaan bahasa alami menjadi tugas klasifikasi di satelit, Gemma 3 dari Google DeepMind menangani analisis visual dan bahasa, sedangkan GPU Nvidia Jetson Orin AGX menyediakan daya komputasi.
Gabungan itu membuat model bahasa besar memiliki “mata” untuk membaca gambar sekaligus memahami teks. Sistem kemudian menjawab seperti analis yang sangat fokus pada satu tugas tertentu.
Hasilnya bukan lagi citra mentah
Dalam demonstrasi, YAM-9 diminta menjalankan tugas yang berkaitan dengan pengamatan permukaan Bumi. Instruksinya mencakup klasifikasi data sensor di wilayah pertemuan lingkungan alami dan pembangunan manusia, serta identifikasi infrastruktur di sekitar hub rel.
Satelit itu lalu mengklasifikasi citra dan menandai area yang menarik hampir secara real time. Bagi pengguna di Bumi, keluaran seperti ini lebih mudah langsung dipakai untuk pengambilan keputusan.
Kecepatan menjadi nilai utama
Loft Orbital menyebut integrasi NAVI-Orbital membutuhkan pemangkasan besar pada sisi perangkat lunak. Tantangannya tidak kecil, karena satelit harus bekerja dengan daya dan memori yang sangat terbatas.
Paul Lasserre, Head of AI Loft Orbital, mengatakan langkah ini membuka jalan bagi “always-on, patrol layers in space.” Pernyataan itu menggambarkan ambisi yang melampaui satu demonstrator tunggal.
Target jangkauan global masih panjang
Loft memperkirakan cakupan global waktu nyata akan membutuhkan 50 hingga 100 satelit sekelas YAM-9. Saat ini perusahaan tersebut mengoperasikan 12 satelit, sehingga skala operasionalnya masih jauh dari cakupan menyeluruh.
Di sisi lain, Planet Labs juga memakai chip Jetson Orin di orbit, tetapi menurut laporan yang ada masih berfokus pada tugas deteksi yang lebih sederhana. Kepler Communications mengklaim memiliki klaster GPU terbesar di luar angkasa dan mengonfirmasi adanya beban kerja AI, meski detailnya tertutup oleh NDA.
Berawal dari kebutuhan astronaut
NAVI sendiri berasal dari persoalan yang berbeda. Juan Delfa Victoria, peneliti JPL, menjelaskan bahwa gagasan awalnya muncul untuk membantu astronaut berpakai luar angkasa yang tidak bisa memakai keyboard di Bulan.
Arah pemakaian akhirnya bergeser, tetapi fondasinya tetap sama. Dari bantuan untuk astronaut hingga analisis citra Bumi, teknologi ini menunjukkan bahwa model AI yang memahami gambar dan bahasa kini mulai bekerja langsung di orbit.
Meski manfaatnya besar untuk respons bencana dan pemantauan infrastruktur, satu pertanyaan masih belum terjawab jelas. Industri belum memberi kepastian soal siapa yang mengendalikan apa yang diawasi, dan dengan cara seperti apa pengawasan itu dilakukan.