في ظل التحديات الكبيرة التي تكتنف شبكات الأقمار الصناعية ذات المدارات المنخفضة (LEO)، تأتي الثورة الجديدة مع STR-Agent، النظام القائم على نماذج اللغات الكبيرة (Large Language Models) والذي يقدم حلاً مبتكرًا لتوجيه الخدمات المتطورة. في هذا الطرح الجديد، يتمثل الابتكار الرئيسي في القدرة على تحويل الطلبات الطبيعية غير المنظمة إلى قرارات توجيهية تكيفية، وذلك من خلال دمج الفهم الذاتي وتنفيذ الأدوات وتراكم الخبرات وتكييف السياسات في هيكل واحد.

تعمل وحدة الفهم في STR-Agent على تحويل الطلبات اللغوية الطبيعية إلى دلالات توجيه منظمة، بينما تقوم وحدة التأمل بتعديل خريطة الخدمة إلى سياسة التوجيه وفقًا لظروف الازدحام الزمنية ونتائج التوجيه التاريخية، مما يعزز جودة الخدمة (QoS) بصورة ملحوظة. وبفضل نموذج الفهم المتخصص ومجموعة البيانات المدعومة بالخبرة محليًا، تظهر نتائج المحاكاة أن STR-Agent يتفوق بشكل كبير على المجتمع التقليدي، حيث قلل زمن الاستجابة بنسبة تصل إلى 60٪ مقارنة بأسلوب DQ-Dijkstra.

كما يُظهر التحسين الذي تحقق في دقة فهم النوايا بين الطلبات، حيث ارتفعت من 45.4٪ إلى 92.45٪ بعد التخصيص المدعوم بتعليق إشرافي. ومع تحسين إضافي عن طريق وحدة التأمل، قلل الزمن بمقدار 120 مللي ثانية عند سرعة 600 ميجابت في الثانية.

هذا التطور يعكس الإمكانيات الفائقة لنماذج الخدمات المدفوعة بالذكاء الاصطناعي في تمكين توجيه خدمات مدرك ومرن في المستقبل، مما يبشر بآفاق جديدة للاتصالات الفضائية.