KALIMANTAN UTARA — Satelit YAM-9 milik Loft Orbital baru saja mencetak sejarah. Pada April lalu, untuk pertama kalinya, satelit observasi Bumi ini berhasil menemukan objek yang dicari secara otomatis — tanpa perlu manusia di darat menganalisis data mentah. Pencapaian ini dilaporkan sebagai penggunaan pertama model visi-bahasa (VLM) di orbit. Teknologi ini membuka jalan bagi satelit untuk bekerja lebih cerdas dan mandiri.
Bagaimana Cara Kerja Satelit 'Pintar' Ini?
Satelit biasanya mengunduh data dalam jumlah besar ke stasiun Bumi. Di sana, analis menggunakan algoritma machine learning atau mata mereka sendiri untuk mencari pola tertentu. YAM-9 bekerja berbeda. Satelit ini membawa paket perangkat lunak bernama NAVI-Orbital buatan Jet Propulsion Laboratory (JPL) NASA. Paket ini menjalankan Gemma 3, model visi-bahasa (VLM) dari Google DeepMind yang dirancang khusus untuk perangkat dengan sumber daya terbatas di tepi jaringan (edge computing).
VLM menggabungkan kemampuan pemahaman konteks dari model bahasa besar dengan analisis gambar. Dalam demonstrasi, peneliti memberi perintah dalam bahasa alami, seperti "klasifikasikan data sensor di area pertemuan lingkungan alam dan pembangunan manusia" atau "identifikasi infrastruktur di sekitar hub kereta api". Satelit pun menjalankan perintah itu di orbit.
Mengapa Ini Penting bagi Bisnis dan Pemerintah?
Paul Lasserre, kepala AI Loft Orbital, menjelaskan dampak langsung teknologi ini. "Ini membuka pintu untuk lapisan patroli yang selalu aktif di luar angkasa," katanya kepada TechCrunch. "Dengan VLM, Anda bisa memberi logika seperti 'pantau perbatasan ini untuk saya, dan beri tahu kalau ada yang mencurigakan', lalu berinteraksi bolak-balik dengan satelit."
Dalam jangka pendek, kemampuan ini membuat sensor luar angkasa jauh lebih berguna. Satelit bisa melakukan triase data awal di orbit, mengurangi banjir data mentah yang harus disaring analis. Dalam jangka panjang, ini jadi bukti konsep untuk menjalankan infrastruktur AI berskala lebih besar di luar angkasa.
Loft Orbital sendiri menjalankan model bisnis infrastruktur-sebagai-layanan. Mereka membangun, meluncurkan, dan mengoperasikan satelit untuk pihak ketiga. Salah satu kliennya adalah EarthDaily, yang akan menganalisis dan menjual data yang dikumpulkan di orbit.
Spesifikasi Satelit YAM-9 dan Teknologi di Dalamnya
YAM-9 diluncurkan pada musim gugur 2025 sebagai proyek perintis (pathfinder) untuk proyek AI orbital Loft. Satelit ini dibekali GPU Nvidia Jetson Orin AGX, salah satu chip terdepan yang digunakan untuk komputasi luar angkasa. Juan Delfa Victoria, pimpinan teknis grup AI di JPL NASA, memimpin pengembangan NAVI-Orbital — perangkat lunak yang menjadi 'tali kekang' bagi Gemma 3. Timnya harus merampingkan paket perangkat lunak untuk mengurangi jumlah library dan memori yang dibutuhkan.
Siapa Lagi yang Bermain di Teknologi Ini?
Loft Orbital bukan satu-satunya pemain. Planet Labs juga menerbangkan satelit dengan prosesor Jetson Orin. Saat ini mereka menggunakannya untuk tugas deteksi objek sederhana, tapi juru bicara perusahaan mengatakan riset untuk aplikasi AI lain, termasuk VLM, sedang berlangsung. Kepler Communications, yang mengoperasikan kumpulan GPU terbesar di luar angkasa, enggan mengonfirmasi apakah sudah menggunakan VLM karena perjanjian kerahasiaan (NDA) dengan mitra. Namun, perusahaan mencatat ada "beberapa kasus penggunaan lingkungan komputasi yang belum diungkap" sejak satelit mereka diluncurkan pada Januari lalu.
Target: 100 Satelit untuk Cakupan Real-Time di Seluruh Bumi
Lasserre menegaskan arah pengembangan ke depan. "Setelah kami membuktikan konsep ini, itulah arah perjalanannya," ujarnya. Target Loft adalah membangun konstelasi yang memastikan cakupan real-time di mana saja di Bumi. Untuk mencapai itu, dibutuhkan 50 hingga 100 satelit seperti YAM-9. Saat ini, Loft baru mengoperasikan 12 wahana antariksa di orbit.
Dari Asisten Astronot ke Patroli Orbit
Menariknya, ide awal NAVI-Space lahir dari kebutuhan yang berbeda. Delfa Victoria dan peneliti JPL, Taran Cyriac John, awalnya memikirkan asisten digital untuk astronot yang menjelajahi Bulan atau Mars. "Astronot memakai pakaian bertekanan, mereka tidak bisa mengetik di keyboard. Jadi, bagaimana kalau kami sediakan asisten, seperti di video game dan film, di mana ada AI yang interaktif?" jelas Delfa Victoria. Pelajaran dari penerapan model kecil di orbit ini akan membantu perusahaan menerapkan infrastruktur komputasi yang lebih besar di luar angkasa, terutama di bidang manajemen daya dan memori yang krusial.
