北航团队提出AEOS-Bench基准和AEOS-Former模型，通过AI优化卫星星座调度，解决任务规划问题。该研究在NeurIPS 2025上发表，展示了AI在空天智能领域的潜力。

中国团队成功实现全球首个太空计算星座的常态化商用，标志着AI模型可在轨道卫星上运行，推动“星算”计划，重塑数据处理与决策路径，开启轨道级算力新纪元。

最近，我在Neutrino7的博客上看到关于用双筒望远镜观星的内容，激发了我对天文学的兴趣。我选择了BOSMA Hunter II 7x50双筒望远镜，今天天气晴朗，我在屋顶观察星空，看到许多星星，感到非常开心。虽然没有使用星图，但我计划先观察几天再识别星座。

我在七号中微子的博客上了解到双筒望远镜观星的乐趣，激发了对天文的兴趣。购买了博冠猎手二代7x50望远镜后，今天天气很好，晚上十点在楼顶观察星空，看到许多星星，感到幸福。虽然没有银河壮观，但星星的数量让我惊叹。我计划先随意观察，再用星图寻找星座。

谷歌研究团队与消防专家合作，创建了FireSat卫星星座，用于检测和追踪小规模野火。FireSat每20分钟提供一次高分辨率图像，帮助消防部门及时反应。Google.org向地球火灾联盟提供了1300万美元的资金支持。FireSat使用红外传感器和人工智能技术，快速检测火灾并提供实时信息。该项目还用于创建全球火灾蔓延历史记录，帮助科学家理解野火行为。

谷歌研究与消防界合作，共同创建了FireSat卫星系统，用于探测和追踪小型野火。FireSat卫星每20分钟更新一次高分辨率图像，帮助当局及时响应火灾。谷歌.org提供了1300万美元的资金支持。FireSat将提供关于早期野火的位置、大小和强度的实时信息，帮助消防员和应急人员快速有效地应对火灾。此外，FireSat的数据还将用于创建全球火灾传播的历史记录，帮助谷歌和科学家更好地模拟和理解野火行为和传播。

本文研究了卫星星座重配置与再任务的空白，并提出了系统建模方法和强化学习技术的应用。研究结果显示这些方法在任务完成率和响应时间等指标上表现出色，具有实际应用潜力。

本文介绍了一种新颖的概率框架，使得单个深度神经网络解调器能够同时解调多个 QAM 和 APSK 星座。通过利用星座族的层次关系，我们的框架需要更少的神经网络输出来编码相同的功能，而不增加误码率。仿真实验结果表明，我们的方法在加性白高斯噪声信道中逼近了多个星座的最优解调误差界，从而解决了使得深度神经网络足够灵活以实际用作接收器的多个重要问题。

本文介绍了一种基于UMAirComp框架的边缘联邦学习方式，通过模拟波束成形上传本地模型参数并更新全局模型参数，降低通信延迟和成本。提出了PAM和AGP算法，解决非凸非光滑损失约束下的大规模优化问题。在边缘联邦学习系统中获得较小的误差。测试结果表明UMAirComp系统对自主驾驶任务更敏感。

星座与性格相关，有些准确，有些模糊。星座可作为了解自己和他人的参考，但答案需通过实践获得。