دانشمندان ناسا در حال توسعه نرم‌افزاری مبتنی‌بر هوش مصنوعی هستند که ماهواره‌های سنجشی کوچک از طریق آن می‌توانند با یکدیگر ارتباط برقرار کرده و بدین شکل به جمع‌آوری داده‌ها در مورد الگوهای آب‌وهوایی در زمان‌های مختلف روز یا سال و از زوایای مختلف بپردازند. این نرم‌افزار با استفاده از الگوریتم‌های یادگیری ماشین (شاخه‌ای از هوش مصنوعی) فعالیت می‌کند و ماهوارهها با بهره‌گیری از آن قادرند اهداف رصدی باارزش را شناسایی کرده و تصاویر یک هدف مشخص را از چند منظر ثبت کنند.
بر اساس این طرح، دانشمندان مجموعه‌ای از شرایط را برای رصدهای ماهوارهای تعیین و اهداف با ارزش بالا را تعریف می‌کنند. سپس نرم‌افزار کار خود را آغاز می‌کند و به ماهوارهها امکان می دهد تا نحوه حرکت نسبت به یکدیگر را برای مشاهده بهتر این اهداف مشخص کنند. روش‌های کار نیز ممکن است بر اساس زمان روز، فصل یا منطقه هدف تغییر یابد. ماهوارهها همچنین از یادگیری ماشین برای بهبود روش رصد در طول زمان استفاده می‌کنند.
به‌گفته سابرینا تامپسون (Sabrina Thompson)، دانشمند ناسا، چند نوع وضعیت قرارگیری ماهوارهها برای این منظور در دست بررسی است. یک راه این است که ماهوارهها در مدارهای مختلف مستقر باشند و به مشاهده پدیده‌ها از زوایای مختلف بپردازند. در نوع دیگر ماهوارهها اهداف رصدی را از مدار یکسان اما در زمان‌های مختلف روز پایش کنند. نوع سوم نیز ترکیبی از دو روش اول و دوم است؛ یعنی ترکیب داده‌های ماهواره‌هایی که برخی از آنها در یک مدار با زمان‌های تصویربرداری متفاوت مستقرند و ماهواره‌های دیگری که در مدارهایی با ارتفاع متفاوت به دور زمین در گردشند.
درحالی‌که ماهوارهها در یک مدار مستقر هستند، برخی از آنها می‌توانند به‌صورت جداگانه از مانوری موسوم به «کنترل کشش ناهمسان» (Differential Drag Control) استفاده کنند که طی آن نیروی ناشی از کشش جوی زمین نسبت به ماهواره، برای مدیریت فاصله زمانی بین هر ماهواره نسبت به سایرین، به‌کار گرفته می‌شود. مدت زمان لازم برای انجام چنین مانوری بستگی به جرم و مساحت ماهواره و همچنین ارتفاع مداری آن دارد که ممکن است بسیار کوتاه و در حد چند روز باشد یا بسیار طولانی بوده و تا یک سال هم به‌طول بینجامد. مطابق برنامه‌ریزی‌ها این ماموریت با نام هارپ۲ (HARP2) سال ۲۰۲۳ انجام می‌شود.