基盤マッピングは世界の多くの地域で依然として課題であり、特に自然災害などの動的な状況下では、タイムリーな更新が重要となります。現在、地図の更新は非常に手作業に依存しており、多数の人間ラベラーが必要となり、特徴を生成したり自動化された出力を厳密に検証したりする必要があります。本稿では、地球観測衛星群の頻繁な再訪問が、先進的な機械学習技術と組み合わせることにより、基盤マップの迅速な更新を促進する可能性があることを提案します。これに応じて、SpaceNetパートナー（CosmiQ Works, Radiant Solutions, およびNVIDIA）は、アマゾンウェブサービス（AWS）上で大量のラベル付き衛星画像データセット「SpaceNet」を公開しました。また、SpaceNetパートナーは一連の公的賞金競技を立ち上げ、遠隔センシングにおける機械学習アルゴリズムの改善を奨励しています。これらの最初の2つの競技では自動化された建物フットプリント抽出に焦点を当てており、最新のチャレンジでは道路ネットワーク抽出が主なテーマとなっています。本論文では、SpaceNet画像データセットについて説明し、ラベル付け方法、評価指標、これまでの賞金競技結果および今後のSpaceNetチャレンジシリーズの計画について述べます。科技/学术术语处理：- 基盤マッピング (foundational mapping)- 自然災害 (natural disasters)- 地球観測衛星群 (earth imaging satellite constellations)- 機械学習技術 (machine learning techniques)- アマゾンウェブサービス (Amazon Web Services, AWS)- データセット (corpus)- 遠隔センシング (remote sensing)- 建物フットプリント抽出 (building footprint extraction)- 道路ネットワーク抽出 (road network extraction)