生成式AI让航天器自主决策：工程师曾恐惧的转变

太空曾被视为人类探索的终极疆域，如今它正在成为人工智能的终极试验场。NASA喷气推进实验室用Anthropic的Claude模型为毅力号火星车规划行驶路线，NASA与IBM将压缩AI模型送入国际空间站和卫星以识别洪水与云层，宇航员在ISS上测试大语言模型能否辅助维护程序查询。这些实验指向一个更深层的工程转向：工程师们开始认真考虑，是否应该让航天器拥有真正的自主决策能力。

为什么航天器需要真正的自主性

航天器已经自主运行了几十年，但自主从来不是主导模式。航天工程师长期偏爱行为可预测的系统。前NASA软件、机器人与仿真部门主管Robert Ambrose解释说，自主系统往往没有确定性结果，进入同一情境的路径不同，行为就会不同，工程师们对此深恶痛绝。

Ambrose在NASA职业生涯中参与了猎户座飞船自主系统和Robonaut 2人形机器人的研发。在猎户座项目中，他亲眼看到测试问题如何迅速膨胀——工程师不仅要考虑航天器可能做什么，还要考虑它可能通过哪些不同路径到达某个决策点。但Ambrose表示，工程师们找到了管理这种复杂性的方法，包括自动化测试本身。“我们用自主性来对抗自主性的挑战，”他说，“这确实有效。”

任务离地球越远，自主性的需求就越明显。Ambrose举了一个可能的欧罗巴任务为例：航天器需要俯冲穿过木星冰封卫星表面喷发的水柱，水柱出现得太快，地球上的工程师根本来不及指挥。“只能靠航天器自己做决定，而我们只能事后观看一小时前发生了什么，”他说。没有真正的自主性，这类任务“完全不可能”。

确定性系统与非确定性系统是航天软件工程中的核心区分。确定性系统在相同输入下总是产生相同输出，行为可被完整预测和验证，因此长期是航天软件的主流选择——工程师可以对每一个状态转移做形式化证明。非确定性系统（如基于神经网络的模型或强化学习策略）在相同情境下可能因内部状态、采样随机性或环境微小差异而走上不同决策路径，给验证与认证带来巨大困难。在航天领域，这种非确定性还叠加了通信延迟、辐射导致的位翻转、传感器噪声等独特因素，使得传统软件测试覆盖率指标难以直接套用。Ambrose所说的'用自主性对抗自主性的挑战'，指的正是借助自动化测试、仿真与AI辅助验证工具，来管理这种由AI自身引入的复杂性。

机器人如何适应微重力物理

随着地球上的AI和机器人技术进步，商业航天热潮为这些技术在轨应用创造了新机会。但在地球上有效的方案，在太空未必可行。

Icarus Robotics正在开发所谓的太空机器人劳动力，其中包括自由飞行机器人系统Joy。Joy最近在加拿大完成零重力测试，计划部署到国际空间站，首批任务之一是在舱段间搬运货物袋。公司计划从遥操作开始，利用收集的数据训练机器人最终自主工作。

“部署过程可能更接近从部分自主开始，始终有人在环监督，”Icarus联合创始人兼CTO Jamie Palmer说。Palmer指出，在地球上训练的机器人学习的是周围环境的物理规律，而在轨道上，物理规律完全不同。“如果你把最新的Gemini机器人模型或最新的物理智能模型放到零重力环境，它会立刻失败，”他说。在地球上，机器人学会了推开桌上的物体，物体会下落；在轨道上，物体会继续运动。

这给Icarus带来了一个地面机器人行业也面临但更为极端的问题：机器人运行环境的真实数据极少。公司正在将微重力演示与地面模拟和测试相结合来构建自己的数据集。“我希望有一个现成的数据集可以下载使用，”公司联合创始人兼CEO Ethan Barajas说，“但今天没有，没有有意义的数据集。”

微重力环境下的物理规律差异是太空机器人训练中的关键难题。在地球上，机器人模型通过大规模交互数据学习到重力、摩擦、接触力等隐含规律，物体被推动后会因重力下落、因摩擦减速。进入轨道后，重力加速度降至约10⁻⁶g量级，物体被推动后会沿近似直线持续运动，直到撞上舱壁或被其他力（如空气阻力、静电）改变轨迹。这意味着在地面训练的视觉-运动策略、抓取模型和物理预测网络在轨会迅速失效，出现'推一下就飞走'的现象。解决思路包括在抛物线飞行、落塔或中性浮力池中采集真实微重力数据，用域随机化扩展地面仿真分布，以及采用在线自适应微调策略，让机器人在轨用少量真实交互快速校准内部动力学模型。

如何管理自主航天器的风险

挑战不仅在于教航天器自主行动，更在于如何管理赋予它们更多自由所带来的风险。

德克萨斯大学奥斯汀分校工程教授、自主性中心主任Ufuk Topcu表示：“太空应用中的自主性之少令我难以置信。因为恰恰是太空，人类介入极其困难，风险极高，需要快速行动。”

Topcu认为，目标不可能是保证自主系统永不出错。它们在人无法预判的情境中最有用，因此研究人员需要从受限应用开始，了解系统行为，再逐步扩展使用范围。在他看来，真正的问题是如何管理部署风险，而非能否完全消除风险。

随着航天产业的变化，这一点可能越来越重要。在太空时代的大部分时间里，少数政府机构设计的任务可能需要数十年开发和运行。如今商业公司正在将更多航天器送入轨道，新任务可以更快开发和发射。“太空过去的创新周期非常慢，”Topcu说，“他们会花10到15年研究一个任务概念。现在不一样了，一切都在加速演变。”

从Claude规划火星路线到ISS上的LLM维护助手，从零重力机器人到自主决策架构，航天工程正在经历一场范式转移。工程师们曾经恐惧非确定性系统，如今他们开始追问：面对更复杂、更遥远、更密集的任务，是否还能承受不赋予航天器自主性的代价。

受限应用与渐进式部署是自主系统安全工程中的常见路径。Topcu所说的'从受限应用开始'，在航天语境下通常指先限定运行域，例如只在特定舱段、特定光照和特定任务阶段启用自主决策，并保留人在环监督与紧急接管通道。随着系统在真实环境中积累运行数据、暴露边缘案例，再逐步放宽约束、扩大自主权限。这种方法借鉴了航空自动驾驶和地面自动驾驶的分级思路，把'能否完全消除风险'的问题转化为'在可接受风险下如何有序扩展能力'的工程管理问题。对于深空任务，由于通信延迟以分钟甚至小时计，人在环只能退化为事后监督，因此前期的受限验证与形式化保障尤为关键。