NASA entrena satélite para procesar datos sin enviarlos a Tierra

El flujo tradicional de datos de satélites es lineal: capturan información, la transmiten a tierra, y allí se analiza. Este modelo funcionaba cuando la constelación de satélites era pequeña y manejable. Pero con decenas de miles de satélites orbitando simultáneamente, el volumen de información crece exponencialmente. No hay suficientes personas, ancho de banda ni energía computacional en tierra para procesar toda esa información en tiempo útil.

NAVI-Orbital invierte este paradigma parcialmente. El software se ejecuta directamente en los satélites y utiliza Gemma 3, un modelo de visión y lenguaje de Google DeepMind. En lugar de enviar imágenes brutas, el satélite procesa lo que observa, genera descripciones de lo que ve e identifica puntos de interés específicos. Solo esa información procesada se transmite a tierra.

La ventaja es doble. Primero, reduce drásticamente el volumen de datos que debe viajar desde órbita. Una imagen de alta resolución puede ocupar centenares de megabytes; una descripción estructurada ocupa kilobytes. Segundo, acelera el tiempo de decisión. Si un satélite detecta un evento de importancia —un incendio, una inundación, cambios en la cubierta vegetal— puede reportarlo inmediatamente sin esperar a que analistas en tierra procesen la imagen.

El desafío técnico es significativo. Los satélites operan con restricciones severas de potencia, memoria y refrigeración. Ejecutar modelos de visión y lenguaje en esos entornos requiere optimización extrema. Que la NASA y LoftOrbital hayan logrado demostrar esto funcionando sugiere que han resuelto esos problemas de ingeniería, al menos en escala de prueba.

Este enfoque también abre una nueva categoría de aplicaciones. Un satélite con capacidad de razonamiento puede ejecutar búsquedas activas: se le dice que observe un área específica y reporte si detecta cambios o anomalías. Previamente, toda búsqueda requería procesamiento manual en tierra; ahora el satélite puede ser más autónomo.

Las limitaciones están claras. El modelo funciona con Gemma 3, lo que significa que heredará los sesgos y errores de ese modelo de fundación. Un satélite no puede cuestionar su propia interpretación de lo que ve; un analista humano sí. Además, no todos los análisis científicos requieren descripción de imágenes; algunos requieren acceso a los datos brutos para análisis estadísticos profundos.

Lo que importa de NAVI-Orbital no es que sea una solución perfecta, sino que demuestra que la arquitectura de satélites inteligentes es viable. Si esto se generaliza, cambiará cómo se diseñan las misiones de observación terrestre. Ya no será un problema de capacidad de transmisión, sino de capacidad computacional en órbita.