生成式AI赋予航天器自主决策能力
太空一直被认为是人类探索的最终边界。现在看来，它也正在成为人工智能的最终边界。
去年12月，NASA喷气推进实验室使用Anthropic的Claude模型帮助规划了火星车"毅力号"的两次火星行驶路线，人类规划人员在上传前对路线进行了检查和调整。今年5月，NASA和IBM在国际空间站和一颗卫星上部署了一个压缩AI模型，用于从轨道上识别洪水和云层等现象，这是同类模型首次在太空中进行演示。7月，国际空间站上的宇航员测试了一个大语言模型，看它能否帮助解答维护程序方面的问题。
这些实验指向了航天工程领域更大的转变。几十年来，地球上的工程师决定太空中的机器该做什么，机器就完全照做。现在，研究人员正在测试生成式AI这类非确定性系统能否让航天器获得更多灵活性，以解读周围环境、规划任务，并有朝一日能够自主做出决策。这项技术距离足够可信、可以将航天器的控制权交出去还有很长的路要走，但随着任务变得更加复杂、遥远和频繁，工程师们开始思考：他们是否还能承担得起不采用这项技术的后果。
为什么航天器需要真正的自主性
航天器实现自主运行已经有几十年的历史了。但自主性从未成为主导模式，部分原因在于航天工程师历来看重那些行为可预测的系统。
"自主性往往不会带来确定性的结果，这意味着你是如何进入某种情境的，会改变系统的行为方式，"NASA软件、机器人与仿真部门前负责人罗伯特·安布罗斯说。"所以如果你通过不同的路径进入同一种情境，结果可能会不同。因此工程师们很讨厌这一点。"
安布罗斯的大部分职业生涯都在NASA从事自主系统的研究，包括NASA深空和月球轨道飞行器"猎户座"飞船的自主系统，以及2011年上天的人形机器人"机器人宇航员2号"（Robonaut 2），该机器人旨在与宇航员协同工作。在"猎户座"项目中，他看到了测试问题会以多快的速度成倍增加。工程师们不仅要考虑航天器可能会做什么，还要考虑它可能通过哪些不同的路径做出这个决策。
但安布罗斯表示，工程师们找到了应对这种复杂性的方法，其中包括让测试过程本身实现自动化。"我们用自主性来对抗自主性带来的挑战，"他说。"这种方法确实有效。"
随着任务距离地球越来越远，自主性的必要性也变得愈发明显。安布罗斯提到了一项可能执行的木卫二任务——木卫二是木星的一颗冰壳卫星，航天器可能需要穿越从地表下方喷发的水羽流。这种羽流的出现可能太快，地球上的工程师根本无法及时指挥航天器进入其中。
"这需要由航天器自己做决定，而我们看到的将是一个小时之前发生的情况，"他说。他补充道，这样的任务如果不赋予机器真正的自主性，将"完全不可能"实现。
Icarus Robotics的工程师们在一次零重力飞行中，为一套即将部署至国际空间站的自由飞行机器人系统收集宝贵的训练数据。（图片来源：Icarus Robotics）
让机器人技术适应微重力物理环境
随着人工智能和机器人技术在地球上不断进步，商业航天热潮正在为将这些技术应用于轨道创造新的机会。但在地球上行得通的做法，在太空中未必行得通。
Icarus Robotics正在开发一支它称之为"太空机器人劳动力"的团队，其中包括一套名为Joy的自由飞行机器人系统。Joy最近在加拿大完成了零重力测试，为其计划部署至国际空间站做准备，届时它的首批任务之一就是在各舱段之间搬运货包。该公司计划先从远程操作起步，利用收集到的数据，最终训练机器人实现自主作业。
"实际的推进方式很可能更接近于从部分自主开始，也就是说始终有人类在监督环节中，"Icarus联合创始人兼首席技术官杰米·帕尔默说。
帕尔默表示，在地球上训练的机器人是从周围环境的物理规律中学习的，而在轨道上，物理规律完全不同。
"如果你拿最新的Gemini机器人模型，或者最新的physical intelligence模型，把它放到零重力环境中，它会立刻失效，"他说。举例来说，在地球上，机器人学到的是：当它把某个物体从桌子上推下去时，物体会掉落。而在轨道上，物体会持续移动。
这让Icarus面临一个问题——地面机器人行业也面临同样的问题，但表现得更为极端：来自其机器人将要运行的环境的真实世界数据极其稀少。该公司正在结合旗下机器人在微重力环境中的演示数据，以及地球上的模拟和测试，来构建自己的数据集。"我倒希望有"一个Icarus可以直接下载使用的现成数据集，公司联合创始人兼CEO伊桑·巴拉哈斯说。"但目前还没有，至少没有真正意义上可用的。"
管理自主航天器的风险
这项挑战不仅仅是教会航天器自主行动，更是要弄清楚如何管理赋予其更多自由所带来的风险。
"让我感到不可思议的是，我们在太空应用中拥有的自主性竟然如此之少，"德克萨斯大学奥斯汀分校工程学教授、自主中心主任乌富克·托普库说。"因为这恰恰是人类介入极其困难、风险极高、又需要快速行动的场景。"
托普库表示，目标不可能是保证自主系统永远不会出错。他说，这类系统最有用的场合恰恰是人类无法预见的情境，因此研究人员需要从受限的应用场景开始，了解这些系统的行为方式，然后逐步扩大它们的使用范围和方式。在他看来，真正的问题在于部署风险的管理水平如何，而不是这些风险能否被完全消除。
随着航天产业的变化，这一点可能会变得愈发重要。在航天时代的大部分时间里，只有少数政府机构设计任务，这些任务的开发和运行可能需要耗费数十年。如今，商业公司正在向轨道发射更多航天器，新任务的开发和发射速度也大大加快。
"太空领域过去的创新周期非常缓慢，"托普库说。"他们会构思一个任务概念，然后花上10到15年去实现它。现在已经不是这样了。一切都在以更快的速度演进。"
Q&A
Q1：NASA用生成式AI做了什么太空任务？
A：NASA喷气推进实验室使用Anthropic的Claude模型帮助规划火星车"毅力号"的两次火星行驶路线，人类规划人员会在上传前检查和调整路线。此外，NASA和IBM还在国际空间站和卫星上部署了压缩AI模型，用于识别洪水和云层等现象。
Q2：为什么航天器需要更强的自主性？
A：因为随着任务距离地球越来越远，地面工程师无法及时对突发情况做出反应。比如在木卫二任务中，如果水羽流突然喷发，航天器必须自己做决定，因为地面看到的信息已经是一小时前的情况了。
Q3：地球上的机器人技术能直接用在太空中吗？
A：不能。地球上训练的机器人是基于地球物理规律学习的，而太空是微重力环境，物理规律完全不同。比如在地球上物体被推离桌面会掉落，但在轨道上物体会持续漂移，这导致地面训练的模型放到太空中会立刻失效。
