在國際空間站（ISS）的復雜環境中，一項突破性技術近日成功完成驗證，為未來太空任務的自主化鋪平了道路。斯坦福大學研究團隊開發的基于機器學習的導航系統，首次在軌道上實現了機器人自主穿越狹窄通道與設備密集區域的能力，標志著太空機器人技術邁入新階段。
實驗以國際空間站部署的立方體機器人“Astrobee”為測試平臺。該機器人此前需依賴宇航員手動操控或地面指令，而新系統使其能夠獨立規劃路徑并規避障礙。研究團隊針對太空環境的特殊性，設計了一套結合優化算法與機器學習的混合方案：通過序列凸規劃生成安全路徑，再利用數千組歷史數據訓練的模型提供“經驗式初始解”，將計算效率提升50%至60%，尤其在狹小空間或復雜旋轉機動場景中表現顯著。
項目負責人索姆麗塔·班納吉（Somrita Banerjee）比喻稱，這一過程類似于城市導航時優先選擇常用路線而非理論最短路徑。“我們讓機器人從經驗出發，再結合實時環境優化決策。”她解釋道。團隊在NASA艾姆斯研究中心的微重力模擬平臺完成地面測試后，將系統部署至空間站，由宇航員僅負責初始設置，后續操作完全由機器人自主完成，地面團隊通過遠程指令監控。
在18組對比實驗中，AI驅動的“熱啟動”模式在挑戰性場景中展現出明顯優勢。例如，穿越僅比機器人寬度多20厘米的通道時，新系統耗時較傳統“冷啟動”方法縮短近六成。論文資深作者馬爾科·帕沃內（Marco Pavone）強調，太空環境的計算資源限制與高安全性要求，迫使團隊突破地面機器人技術的移植框架，開發出專為軌道設計的輕量化解決方案。
NASA已將該技術評定為技術就緒等級5級，確認其可在真實太空環境中穩定運行。這一認證將降低未來深空探測任務的技術風險，例如月球基地建設或火星樣本采集等需要長期自主作業的場景。班納吉指出，隨著任務規模擴大，依賴地面遙操作的模式將不可持續，“當機器人距離地球數億公里時，實時控制延遲可能長達數十分鐘，自主決策能力至關重要”。
研究團隊正探索引入更先進的人工智能架構，類似驅動自動駕駛與大語言模型的核心算法，以提升機器人在未知環境中的應變能力。帕沃內透露，下一階段將測試系統在動態障礙物規避、多機器人協同等場景中的表現，為2030年代載人火星任務的前期探索提供技術儲備。
