Satelit pengamat Bumi kini tidak lagi hanya merekam lalu menunggu manusia menafsirkan hasilnya. Loft Orbital melalui YAM-9 menjadi satelit pertama yang menjalankan vision-language model di orbit, sehingga operator bisa mengajukan permintaan dalam bahasa Inggris sederhana dan menerima jawaban yang sudah diklasifikasikan menjadi informasi yang bisa ditindaklanjuti.
Perubahan ini penting karena menggeser cara kerja satelit dari pengirim data mentah menjadi analis di luar angkasa. YAM-9 memproses citra di orbit pada ketinggian sekitar 500 kilometer, lalu mengirimkan ringkasan hasil alih-alih membanjiri stasiun bumi dengan tumpukan piksel dan terabyte gambar.
Cara kerja sistem di orbit
Tiga komponen utama membuat kemampuan itu berjalan. NAVI-Orbital milik NASA JPL mengubah pertanyaan bahasa alami menjadi tugas klasifikasi di satelit, Gemma 3 dari Google DeepMind melakukan analisis visual dan bahasa, sedangkan GPU Nvidia Jetson Orin AGX menyediakan daya komputasi yang dibutuhkan.
Model seperti ini pada dasarnya memberi “mata” pada model bahasa besar. Sistem memproses gambar dan teks secara bersamaan, lalu menjawab seperti analis yang sangat fokus pada tugas tertentu.
Dalam demonstrasi, YAM-9 diminta melakukan sejumlah tugas yang berkaitan dengan pengamatan permukaan Bumi. Instruksinya mencakup klasifikasi data sensor di wilayah yang mempertemukan lingkungan alami dan pembangunan manusia, serta mengidentifikasi infrastruktur di sekitar hub rel.
Satelit itu kemudian mengklasifikasi citra dan menandai area yang menarik hampir secara real time. Bagi pengguna di Bumi, hasilnya bukan lagi kumpulan gambar mentah, melainkan kesimpulan yang lebih cepat dipakai untuk pengambilan keputusan.
Dampak paling besar ada pada kecepatan
Nilai utamanya terletak pada waktu respons. Untuk penanganan kebakaran hutan, misalnya, tim bisa menerima zona kerusakan yang sudah ditandai AI dalam hitungan menit, bukan menunggu analis menelusuri setiap lintasan pengamatan satelit.
Loft Orbital menyebut integrasi NAVI-Orbital menuntut pemangkasan besar pada sisi perangkat lunak. Sistem seperti ini tidak bisa dipasang begitu saja, karena satelit beroperasi dengan keterbatasan daya dan memori yang sangat ketat.
Paul Lasserre, Head of AI Loft Orbital, mengatakan langkah ini membuka jalan bagi “always-on, patrol layers in space.” Pernyataan itu mencerminkan ambisi yang lebih besar dari sekadar satu demonstrator.
Dari satu satelit ke jaringan pemantau
Loft memperkirakan cakupan global waktu nyata akan membutuhkan 50 hingga 100 satelit sekelas YAM-9. Saat ini perusahaan itu mengoperasikan 12 satelit, sehingga skala operasional masih jauh dari cakupan menyeluruh.
Di sisi lain, Planet Labs juga menggunakan chip Jetson Orin di orbit, tetapi menurut laporan yang ada masih berfokus pada tugas deteksi yang lebih sederhana, sementara riset VLM masih berjalan. Kepler Communications mengklaim memiliki klaster GPU terbesar di luar angkasa dan mengonfirmasi adanya beban kerja AI, meski detailnya tertutup oleh NDA.
Akar teknologi datang dari masalah lain
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 penggunaan akhirnya memang bergeser, tetapi fondasi teknologinya tetap sama. Dari bantuan untuk astronaut hingga analisis citra Bumi, sistem ini menunjukkan bahwa model AI yang bisa memahami gambar dan bahasa kini mulai keluar dari pusat data dan bekerja langsung di orbit.
Meski manfaatnya besar untuk respons bencana dan pemantauan infrastruktur, satu pertanyaan belum terjawab. Industri belum memberi jawaban jelas soal siapa yang mengendalikan apa yang diawasi, dan dengan cara seperti apa pengawasan itu dilakukan.