تظل الخرائط الأساسية تحديًا في العديد من أنحاء العالم، خاصة في السيناريوهات الديناميكية مثل الكوارث الطبيعية عندما تكون التحديثات الفورية حاسمة. يعد تحديث الخرائط عملية يدوية للغاية حاليًا، تتطلب عددًا كبيرًا من المصنفين البشريين لإنشاء الميزات أو التحقق بصرامة من النواتج الآلية. نقترح أن زيارات الأقمار الصناعية لتصوير الأرض بشكل متكرر قد تسريع الجهود الحالية لتحديث الخرائط الأساسية بسرعة عند دمجها مع تقنيات التعلم الآلي المتقدمة. وفقًا لذلك، أطلقت شركاء SpaceNet (CosmiQ Works، Radiant Solutions، وNVIDIA) مكتبة كبيرة من الصور الفضائية المصنفة على خدمات الويب أمازون (AWS) تُعرف باسم SpaceNet. كما أطلقت شركاء SpaceNet سلسلة من المسابقات العامة ذات الجوائز لتشجيع تحسين خوارزميات التعلم الآلي للاستشعار عن بعد. ركزت المسابقتان الأولى والثانية على استخراج قواعد بيانات المباني آليًا، بينما ركز التحدي الأخير على استخراج شبكات الطرق. في هذا البحث نناقش صور SpaceNet والمصنفات، ومعايير التقييم، ونتائج تحدي الجوائز حتى الآن، والخطط المستقبلية لسلسلة تحديات SpaceNet.