연구진은 저궤도(LEO) 위성 네트워크의 연합 학습(FL)에서 발생하는 비이종 데이터와 불규칙적인 지상국 가시성 문제를 해결하기 위해 FedOrbit을 제안했어요.
FedOrbit은 위성 간 링크를 통한 지속적인 궤도 수준 학습, 클래스 기반 계층적 집계, 품질 가중치 특징 집계, 궤도 간 클래스 유사성에 따른 적응형 특징 분해를 결합했어요.
실험 결과, FedOrbit은 세 가지 원격 감지 벤치마크와 두 가지 비이종 파티션에서 6가지 설정 중 5가지에서 가장 높은 정확도를 달성했으며, 나머지 한 가지 설정에서는 최고 결과와 0.9% 이내의 성능을 보였어요.