人工智能太空初露锋芒

近日，国家科技部公布了2022年度“科技创新2030重大项目”立项信息，由西安卫星测控中心相关团队申报的“空间碎片环境复杂演化机理的智能模型与自主监测研究”正式获批立项。这意味着，我国将开展前沿技术研究，使人工智能技术助力航天器躲避空间碎片。人工智能在大众心中往往与科幻“挂钩”，在航天任务中可能有哪些应用前景？它又会怎样在太空中大显神威呢？

智能感知用处大

随着太空活动增加，大量空间碎片占据了近地轨道，已经逐渐成为人类探索太空的主要障碍和威胁。有研究数据显示，当前太空中10厘米以上的碎片超过3万个，1～10厘米的碎片数量超过100万个，微小碎片更是数以亿计。由于空间碎片大小不一、形状各异，使用常规手段快速计算识别是很困难的，再考虑到空间碎片受力复杂且速度变化难以预测，建立空间碎片数据库更是难上加难。

为了及时处置空间碎片问题，采用人工智能技术是大势所趋。简单地说，人工智能技术可以快速检测空间碎片，通过特殊算法，解析哪些空间碎片来自同一块物体,了解哪些空间碎片源于同一个编队，“简化”复杂的作业环境，开展智能化感知和指导。

其实，协助处理空间碎片只是人工智能技术“投身”太空事业的一个缩影，感知手段智能化必将在太空探索中扮演越来越重要的角色。什么是智能化感知？通俗理解，就是将获取的情报数据通过智能化方式进行判断识别，最终辅助决策，以便消耗更少的人力、付出更低的代价来达成目标。

例如，飞行器执行任务会随时接收到红外、雷达等多类型信息，而这些信息数据往往不能很好地匹配，导致难以做出合理决策。人工智能技术此时就能派上用场——通过对数据进行处理和融合，充分感知多维度、多层次、多类型数据，再通过多种处理手段得到高质量数据，然后利用深度学习等人工智能技术，建立目标识别、威胁判别等程序模型，帮助飞行器更高效地开展探测与识别，得到的信息更有利于决策。

任务规划有帮手

太空探索在欣赏美学的人们眼中是复杂且壮丽的，而在人工智能专家看来，它的任务规划是一个典型的知识处理过程，涉及海量数据信息以及复杂的逻辑推理和约束条件，很适合人工智能“大显身手”。

众所周知，很多太空探索任务需要挑战高风险环境，依靠地面条件难以提前精确地开展仿真研究，导致容错率较低。也就是说，航天器任何一个零部件或者环节出现一丁点差错，都可能给任务带来不可挽回的损失。

更麻烦的是，目前大部分航天器在执行任务时不具备自主重新规划任务的能力，一般需要地面团队紧张地计算完成后将信息传递给航天器。显然，这种处理模式将降低任务效率，增大风险。

如果将传感器与人工智能相结合，借助传感器参数，开展航天器故障诊断、故障定位及隔离等工作，及时重新规划任务，就有望重新生成航天器轨迹规划和控制程序，有效地规避故障风险，从而实现“最优飞行”。人工智能技术在这方面能够显著提升效率，且使太空任务具备更高的容错率。

太空活动难免遭遇意外，而传统控制方法依赖事先设定的条件，随着航天器执行高难度任务越来越多，应对突发状况时很可能“猝不及防”。

有观点认为，传统控制方法已陷入发展瓶颈，控制理论迫切需要创新。随着航天器自身和太空任务目标复杂化，想通过传统手段精确控制，面临的困难越来越多。那么采用人工智能技术进行制导与控制就显得很有必要了，特别是有利于航天器在复杂环境中稳定飞行，提升自适应能力和可靠性。

测试处理降成本

航天器飞入太空前，需要进行大量准备，包括状态调试、测试操作、预案决策等。这些发射前准备措施都是安全飞行的合理保障，因此地面测试对于太空探索也是重要的一部分。

随着航天事业蓬勃发展，任务数量和复杂度迅速上升，经验丰富的高水平业内人士成了“稀缺资源”，导致地面测试任务难以大量同时开展。人工智能技术又迎来了“用武之地”，通过智能化辅助地面测试，可以提升筹备和测试效率，降低综合成本。

随着太空探索事业推进，获取信息的渠道不断增加，科研团队必将面对越来越难以处理的海量信息。传统处理方法难以跟上数据“膨胀”的速度，科研人员有必要使用人工智能算法，高效率地完成计算任务，为太空任务提供时效性保障。

此外，传统处理方法要求科研者投入大量精力和时间，随着长时间注意力集中，人为决策的犯错概率将逐步增大，而人工智能技术有望显著减少这类错误。

目前，国内外很多先进探测器上都采用了智能化通信技术，实现了低延迟、高清晰的图像传输；一些大数据服务平台通过将大数据、云计算与人工智能技术融合应用，提升了智能化处理遥测数据的能力；基于人工智能的故障诊断技术已经在卫星上出现了，相应的实验也在进行中。

展望未来，人工智能技术在太空探索乃至更广阔的领域将拥有光明的发展前景。一方面，人工智能技术在太空探索应用中已经初露锋芒，通过与传统方法互补配合，相辅相成，有助于航天器与任务方案及时升级换代，取得更大的成果。另一方面，随着人工智能技术在航天领域深入普及，势必会促进材料学、控制学等多学科融合发展，进而造福于更广大的科研生产领域。