随着欧洲准备启动有史以来规模最大的协同野火应急响应行动,无人机已成为发现火情、追踪蔓延态势、为救援队伍提供实时信息的核心工具。然而,一旦无人机飞出蜂窝网络覆盖范围,将实时视频传回指挥中心通常需要搭载沉重的卫星终端。OQ Technology公司表示,他们通过一项最新的卫星演示验证,已经找到了解决这一问题的方案。
该公司成功完成了一项被其称为"欧洲首次"的测试——通过标准化3GPP非地面网络(NTN)技术,在移动卫星服务(MSS)S频段频谱上,借助低地球轨道(LEO)卫星网络实现无人机视频传输。
此次演示中,一架小型无人机将视频经由OQ Technology的欧洲LEO卫星星座进行传输,最终通过部署在欧洲的安全云基础设施完成视频的接收与交付。相关演示视频已在YouTube上公开发布。
此次演示最值得关注的,不仅仅是无人机实现了卫星视频传输,更在于它实现的方式。
传统的超视距通信通常依赖体积庞大的VSAT或宽带卫星终端,而此次演示中,无人机直接集成了一个紧凑型3GPP NTN物联网调制解调器。视频数据在机载边缘计算单元上完成处理与压缩后,通过窄带卫星链路进行传输,大幅降低了设备的尺寸、重量、功耗及整体成本。
这一区别至关重要,因为无人机对每一克重量都极为敏感。更轻巧的通信硬件意味着更长的飞行时间、更便捷的系统集成,以及对商业运营商而言更低的使用成本。
OQ Technology创始人兼首席执行官奥马尔·盖斯(Omar Qaise)表示,此次演示同样证明了标准化3GPP NTN技术正从实验性概念逐步成熟为可实用的通信平台。
该公司表示,这套基于标准的卫星网络不仅支持无人机,还能兼容物联网设备,乃至苹果、谷歌、三星等厂商的智能手机,从而构建一套超越传统地面网络的统一通信生态系统。
为展示该技术的实际应用潜力,OQ Technology在测试中演示了三类无人机应用场景:基础设施巡检、交通监测,以及向指定目标的自主导航飞行。这些恰恰是无人机一旦飞出稳定蜂窝覆盖范围便容易出现问题的典型任务类型。
该公司认为,这项技术未来有望广泛应用于洪涝、野火等灾害现场救援,搜救行动,关键基础设施巡检,海上监测,边境管控,环境监测等需要持续保持态势感知的场景。
对于欧洲而言,这一里程碑也与欧洲通过IRIS等计划加强自主通信基础设施建设的更宏观战略方向高度契合——该计划旨在扩展欧洲大陆范围内的安全卫星连接能力。
尽管此次演示并不意味着现有卫星通信系统会立即被取代,但它确实描绘出一种可能的未来:轻量级无人机无需携带传统笨重设备,即可通过卫星链路传输有效视频数据。一旦这一技术路径实现商业化规模落地,运营商将在蜂窝网络无法覆盖的地区获得全新的飞行与通信选择。
Q&A
Q1:OQ Technology的无人机卫星视频传输技术有什么特别之处?
A:OQ Technology的技术最大亮点在于摒弃了传统笨重的VSAT或宽带卫星终端,改用直接集成在无人机上的紧凑型3GPP NTN物联网调制解调器。视频在机载边缘计算单元完成压缩处理后,通过窄带卫星链路传输,大幅降低了设备的尺寸、重量、功耗和成本,有效延长了无人机飞行时间,使超视距通信任务更具可行性。
Q2:3GPP NTN技术除了支持无人机,还能用在哪些设备上?
A:根据OQ Technology的说法,这套基于标准化3GPP NTN的卫星网络不仅支持无人机,还可兼容各类物联网设备,以及苹果、谷歌、三星等主流厂商的智能手机。其目标是构建一套统一的通信生态系统,将连接能力延伸至传统地面蜂窝网络无法覆盖的区域。
Q3:OQ Technology的卫星无人机通信技术主要适用于哪些实际场景?
A:该技术适用范围广泛,包括野火和洪涝等自然灾害的应急响应、搜救行动、关键基础设施巡检、海上监测、边境管控及环境监测等。此次测试中还具体演示了基础设施巡检、交通监测和自主导航三类应用,这些都是传统蜂窝网络难以保障通信的典型任务场景。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。