点击上方“未来空天”关注，获取更多美文！

1、空间自主智能技术的发展脉络

1.1 自主性和智能性的概念

目前世界各国的航天机构都在持续推进人工智能（artificial intelligence）在未来空间任务中的应用，以便大幅提高空间任务执行的自主性（autonomy）^[1]。所谓自主性，是指空间系统具有自动化（autonomic）和自适应（self-adaptive）的能力^[2]。空间系统的自主性具有诸多好处，例如操作成本的降低、任务完成质量和安全性的提升、科学回报的增加、可靠性和灵活性的提高等等^[1]。尤其是在深空任务中，由于遥远天体距离带来的挑战，实时的指令分配已经变得无法执行，此外用于建立通信的时间窗口也变得非常狭窄，这使得高水平的在轨自主操作变得越来越重要^[3]。自主性和自动化（automation）是有一定区别的，虽然两者都含有“无需人类介入即可独立完成任务”的含义。自动化表示在执行任务的过程中，按照一定的流程、不需要人类监督而进行的软硬件操作。例如Intelsat系列卫星对卫星燃料使用情况的远程监测就采用了这种思路^[4]。自主性则是在自动化的基础上提出的更高要求，它不仅代替人类执行任务，而且模仿人类尤其是逻辑思维能力实现高水平的任务操作。自主性发展的最高阶段是面向目标（goal-oriented）的在轨操作，即地面仅发送目标指令给星上系统，所有任务规划与执行过程均由在轨系统独立完成。

2006年，美国航空航天学会（AIAA）下属的空间操作与支持技术委员会（SOSTC）对当时航天器自主性及智能性的工业水平进行了调研和分析^[4]。它们总结了来自全球12个不同的组织、88个不同的自主智能空间机器人/航天器系统的相关情况。在这份报告中，自主性/智能性按照层次被分为以下几个等级：等级1：手工操作。等级2：自动通知。等级3：有人地面智能推理。等级4：无人地面智能推理。等级5：在轨智能推理。等级6：自主思考航天器。这6个等级逐步提高，航天器的自主性和智能性也随之提高。在调查的全部88个空间系统中，有26个航天器没有采用自主智能技术，有62个采用了不同等级的自主智能技术。其中，28个处于第2等级，18个处于第3等级，9个处于第4等级，2个处于第5等级，5个处于第6等级，如图所示。

图1  截止2006年全球自主智能航天系统的数量统计

1.2 发展历程

• 早期科学家的工作
  

早在1979年，卡尔·萨根领导的一个有关机器智能和机器人的研究小组就已经意识到，太空探索任务的核心是关于信息的收集、分析和传播^[5]。在这个研究小组里，有很多已经获得或即将获得图灵奖的科学家：伊凡·苏泽兰、马文·明斯基、艾伦·纽厄尔、赫伯·西蒙、艾伦·佩利、雷伊·雷蒂。这些人工智能的早期先驱们那时候就建议航天机构应该尽快开展有关计算机科学、机器智能和机器人技术的研究，从而有效支持太空探索目标的实现。例如，机器智能系统能够自主检测未知环境，机器人或遥操作系统可以实现太空加工、组装、监视或修复。1987年，对于太空环境中人类角色与自动化和机器人的作用开始被讨论^[6]。研究人员对人机系统在太空（例如空间站）中的应用进行了广泛的探索，研究主题涉及自然语言处理、决策支持系统、遥操作与远程监测、网络视频通信、人机交互等。

图2  卡尔·萨根

图3  图灵奖获得者，由左到右、由上到下依次为：伊凡·苏泽兰、马文·明斯基、艾伦·纽厄尔、赫伯·西蒙、艾伦·佩利、雷伊·雷蒂

• i-SAIRAS及IEEE系列会议
  

由于人工智能在空间任务中的潜在应用，自1990年以来，由美国航空航天局（NASA）等多个国际航天组织联合成立的“空间人工智能、机器人及自动化国际会议”（i-SAIRAS），每两年举办一次^[7]。该会议对于人工智能在空间系统中的应用进行了深入的研讨，主题包括航天器自主性、任务操作的自动化、用于空间任务的人工智能方法等等。国际电气和电子工程师协会（IEEE）对人工智能在太空中的应用组织了很多出版物，还邀请了很多客座编辑对此主题进行研讨。1998年，IEEE探讨了智能自主系统在扩展未来NASA太空任务的数量、能力和可承载力方面的战略价值^[8]。大量有关规划与调度、数据挖掘、自主系统的可靠性以及智能系统的架构等主题的论文被出版。2010年，空间任务应用中对有关语义的人工智能技术进行了广泛研究，包括自然语言处理、在轨故障管理、人机交互和基于Agent的仿真架构等^[11]。在这些研究主题中，数据挖掘、文本挖掘等关键技术被深入探讨。语义技术主要用于模仿人类处理逻辑和推理问题的过程，从而实现机器的智能化。这种技术不仅能够用来自动分析航天器故障，也能被用于任务设计和规划。

• NASA阿姆斯研究中心

作为先进航天技术研究的前沿阵地，NASA阿姆斯研究中心（Ames Research Center, ARC）近年来在航天器自主智能系统方面投入很多人力，开展了大量工作^[13]。其研究方向有：可调自主性、3D机器视觉、人机交互系统等数十个领域。其最具特色的研究内容是用于太空探索的智能机器人，在这方面它有一个专门的智能机器人小组（IRG）。在火星探测漫游车计划（MER）中，为完成规划、操作和数据分析，NASA曾动用了大约300余人的科学家。ARC认为，未来的航天任务通过在轨航天器遥操作即可远程控制火星漫游车，从而节省大量人力。为实现这种宏伟的构想，2007年，ARC提出，通过研发智能软件增强航天员、航天器和机器人的自主性^[10]。IRG目前已经着手在国际空间站（ISS）上测试相关技术。其中，有一项试验是在ISS上远程控制IRG位于加利福尼亚的K-10行星漫游车（planetary rover）。目前，这些测试已经获得大量工程数据，它们将帮助工程师用于设计未来的人类-机器人探索系统。另一项试验是研制一架辅助人类完成探索、监视、侦察、绘图以及传递物品的小型自由飞行助手（assistive free-flyer, AFF）。AFF可以在没有道路的情况下帮助人类完成相关任务。AFF也可以在工作环境中与人类协同工作。对NASA来说，AFF可以帮助航天员在太空开展很多枯燥的、重复的或者危险的任务。AFF还可以为航天员携带工具、材料以及其它辅助物品。在ISS内，有一款叫做“智能球”（SmartSPHERES）的机器人已经进行了相关演示，说明AFF可以完成大量工作，例如内部环境调查、（航天器）损坏情况的视觉侦察。目前，NASA还启动了一项“航天蜜蜂”（Astrobee）的智能机器人研发项目，用于开展空气质量调查以及声音监听，从而使它能够作为航天员的管家来发挥作用。

图4  位于加利福尼亚硅谷的阿姆斯研究中心

图5  阿姆斯研究中心的智能空间机器人：(a) Lake Lander无人船，(b) K-REX无人车，(c) SUPERball行星探测器，(d) SmartSPHERES自由飞行器

• 集群智能
  

在人工智能领域，一种利用集群形成智能的理念逐渐得到广泛认可。集群智能（Swarm intelligence）是指，具有有限传感能力且无认知能力的个体，通过联合多个同伴的力量所涌现出的智能^[14]。在空间任务中，集群智能具有潜在的效益。显然，空间环境对单个卫星、空间机器人或其他空间飞行器的个体能力带来了严格的约束。例如，空间对象具有有限的移动性（受制于燃料和电源）、通信能力（受制于电源）、尺寸（受制于质量）。因此，空间对象需要具备较高的自适应能力、协同能力和自主性，联合多个成员的力量才能满足在完全未知的空间环境开展任务。例如，在地球静止轨道上放置三个卫星建立星座实现全球通信，采用多个卫星形成编队提升任务执行能力，典型的任务如CLUSTER-II、DARWIN等。如果能够采用集群智能的方法，那么星座或编队就可以实现自主运行。此外，集群智能的方法可使得单个空间对象的质量减少，从而减少发射成本。Kassabalidis等人研究了卫星间的无限通信网络路由问题。他们通过使用蚁群算法（一种典型的人工智能算法）实现分布式路由的动态优化。该研究成果已被美国NASA的传感器网络项目采纳。集群智能也被用在航天器相对运动控制中。当系统内多个卫星之间需要协同运动时，不同卫星间需要交换信息和决策方案。尤其在航天器交会对接或空间结构自组装过程中，需要定义一种人工势场来对环境进行建模，并据此实现控制算法设计。类似的控制方法如虚拟结构法，也可以完成多个航天器间的协同和编队飞行。

2. 自主智能航天系统的典型代表

2.1 “战术卫星-3”中的自动推理系统

“战术卫星-3”（TacSat-3）的运载管理试验中对自动推理系统的信任问题进行了研究，其中自动推理系统主要用于故障检测和诊断。自动故障管理系统能够在空间操作中提供诸多便利。但是，也有一些问题仍受到应用部门的谨慎怀疑。例如，NASA和美国空军研究实验室（AFRL）以TacSat-3卫星作为智能空间系统的例子，质疑高可靠的自动故障管理系统能否在现有星载计算机能力的限制下发挥作用。通过测试，NASA和AFRL认为高精度仿真能够提供智能系统可靠性的证明，从而可以信任它们在可预见的环境中按照预想的性能工作。随后，学者们在模拟的太空环境中对实时远程人类-机器人操作的自主性进行了研究，从而量化给出了相关性能报告^[12]。这种量化效果对于增强NASA采用交互式机器人执行复杂空间探索任务的信心是有所帮助的。在其中一个演示场景中，地面操作人员远程监督多个机器人完成了预想的任务。

图6  “战术卫星-3”

2.2、“深空1号”的自主智能技术

“深空1号”（DeepSpace 1，DS1)是美国NASA“新千禧计划”（New Millennium Program）中的一个深空航天器技术演示项目，在该项目中DS1航天器于1999年飞越了一颗小行星和彗星。DS1任务验证了部分自主技术，包括自主导航（Autonomous navigation）技术、自主远程代理（Autonomous remote agent）技术、自主软件测试技术（Autonomy software testing）和自动代码生成技术（Auto-coding），实现了一定程度的自主规划、诊断和恢复能力。

图7  “深空1号”（DS1）航天器

• 自主导航技术（AutoNav）

DS1是第一个在空间中使用自主导航系统的任务，在它之前的其它航天任务都是通过地面操作人员实现的导航^[15]。DS1航天器的自主导航系统由美国喷气推进实验室（Jet Propulsion Laboratory）研制，该系统通过在星空背景中提取和识别明亮小行星的图像信息实现自主导航定位^[16]。自主导航系统包含如下几个单元：导航执行单元、图形处理单元、轨道确定单元、机动规划单元、目标知识更新单元。具体定位时，系统通过获取两个以上已知小行星和航天器之间的相对距离从而定位自身位置，再通过随时间变化的多个位置信息确定航天器的轨道。利用该自主导航系统，可实现航天器飞越或交会一个或多个空间目标。实际在轨运行情况表明，DS1的自主导航系统尚未能完全实现自主工作，偶尔还需要人工手动校正。在识别一些比较暗的目标时，该系统未能成功完成任务，这是因为其他明亮的目标会带来相机内部的光学衍射和反射干扰。

• 自主远程代理技术（AutoRA）
  

DS1航天器的自主远程代理系统，由美国阿姆斯研究中心和喷气推进实验室联合研制^[17]。该远程代理系统是第一个采用人工智能实现无人员监控条件下的航天器在轨控制系统。远程代理系统成功演示了在轨任务规划、任务执行、正确诊断和响应航天器部件的故障等自主能力^[18]。远程代理系统能够实现自主控制，是未来航天器在远离地球的深空环境下开展复杂空间任务的重要保障。该远程代理系统包含了三个独立的人工智能（AI）子系统：一个强大的任务规划器（EUROPA），一个多线程任务执行系统（EXEC）和一个基于模型的诊断恢复系统（Livingstone）^[18]。所有三个子系统都运行在RAD6000处理器上，带有VxWorks操作系统。在轨演示验证的两天时间里，DS1的自主远程代理系统对一个失效的电器单元进行了诊断、修复和重启，对一个提供错误信息的传感器进行了识别和隔离，对一个卡在“关闭”状态的姿态控制推力器实现了诊断并将姿控系统切换到了不依赖该失效推力器的模式中。

DS1远程代理软件的相关组件还被用于美国NASA的其他空间任务中。EUROPA曾被作为地面任务规划器用于火星探测漫游者（Mars Exploration Rovers）任务。EUROPA-II曾被用于凤凰火星着陆器（Phoenix Mars lander）以及火星科学实验室（Mars Science Laboratory）计划。Livingstone-II曾作为一个实验器件在地球观测一号卫星（Earth Observing-1）和F/A-18大黄蜂（F/A-18 Hornet）任务中开展过飞行试验。

2.3、“地球观测1号”的自主智能技术

“地球观测1号”（EarthObserving-1, EO-1）卫星是NASA2000年11月发射的一颗地球观测卫星，用于验证一系列新的仪器和航天器总线创新技术。这颗卫星也是美国“新千禧计划”中的第一颗航天器，轨道高度705公里，太阳同步轨道，倾角98.7度。在轨运行时，对于每次观测事件（覆盖长42公里、宽7.7公里的陆地面积），它将收集大约13G~48G的科学数据，并存储于其星载固态数据存储器中。

“地球观测1号”上携带了自动科学航天器软件（ASE）。这款软件能够使航天器自动检测和响应发生在地球上的科学事件。从2004年起，ASE软件开始在EO-1卫星上运行。ASE包含了三个子模块：在轨科学算法模块、鲁棒执行管理模块、持续活动调度规划执行与再调度模块。ASE工作时会对航天器及任务约束进行建模，并在约束范围内针对科学事件进行基于局部搜索的任务规划。通过三个模块的协同工作，ASE具有一定的自主性，能够在轨进行决策制定，能够进行科学数据分析、传播规划。

虽然ASE软件首先运行在EO-1卫星上，它的长远规划是用在未来的星际空间任务中。在这些星际任务中，在轨科学分析将能够快速捕获短周期的科学现象。此外，在轨科学分析还能够以最佳的时间尺度对数据进行捕获，无需占用过多的在轨内存以及链路下传通道。目前ASE软件也被用在了TechSat-21卫星上^[9]。

图8  “地球观测1号”卫星

图9  ASE软件自主工作原理

2.4、火星探测漫游车的自主智能技术

火星探测漫游车（Mars Exploration Rover，MER）任务是NASA火星探测系列任务中的一项科学任务。在该任务中，两辆火星车——好奇号（Spirit）和机遇号（Opportunity）于2003年夏季发射升空，携带了相关仪器用于进行远程和原位观测，用于揭示火星过去的气候、水活动以及适居性。为实现科学任务的圆满完成，MER项目设计了“混合主动式活动规划生成器”（Mixed Initiative Activity Plan Generator, MAPGEN）用于进行任务规划^[19]。MAPGEN混合了两种已有技术，一是“APGEN活动规划工具”，由美国喷气推进实验室研制，二是“Europa规划和调度系统”，由美国NASA阿姆斯研究中心研制。其中，APGEN已在“卡西尼”（Cassini）任务和“深度撞击”（Deep Impact）任务中应用，而Europa则在“深空1号”（Deep Space 1）任务中应用。

在实际任务运行过程中，地面操作人员从火星车上接收遥测数据，分析处理后生成下一步任务指令传回火星车。火星车接到这些指令后，MAPGEN可以自动生成规划和调度方案，进行假设检验，支持规划编辑，分析资源使用情况，进行约束执行和维护。MAPGEN在性能上超越了APGEN，能够在禁止活动重叠以及资源违反的冲突情况下进行规划生成，主动增强飞行和任务规则。在活动计划生成阶段，地面科学家可以构建一系列高层次的观测任务指令上传给火星车，而APGEN则将这些高层次的任务指令分解为低层次的动作指令。MAPGEN的使用为科学分析、顶层规划和验证留下了更多时间，为活动计划中的约束特征化提供了更多条件，节省了任务工作人员的负担，因而带来了显著的科学回报。MAPGEN具有灵活的自主性，可以完全代替人类规划火星车的各种观测任务，也可以随时被人类手动接管响应更高权限的任务。

图10  好奇号（左）与机遇号（右）火星车

图11  MAPGEN的系统架构

2.5、“技术卫星-21”的自主智能技术

“技术卫星-21”（TechSat-21）由美国空军研究实验室（AFRL）主导，于2006年发射升空，用于演示编队飞行及在轨自主性技术，以提高快速响应能力和改进操作效率。TechSat-21包含三颗卫星，分别在接近的圆轨道上飞行，轨道高度550公里。三颗卫星组成一个编队，相对距离保持在100米到5公里间。三颗卫星构成一个天基的稀疏阵列的雷达，可用于合成孔径对地成像及移动目标检测。为实现在轨任务，ASE软件被安装于TechSat-21的每个卫星上，用于实现在轨任务规划、调度与执行，以及在轨观测规划分配。ASE软件作为一款拥有自主性的智能软件，先前已在“地球观测1号”上使用过。TechSat-21在ASE的支持下，能够在轨自动重置观测目标。例如，当观测相机发现在某个地面区域中可能暗示存在洪水，那么卫星将在下一个回归轨道中重新规划一次观测任务，使得雷达的瞄准中心指向该洪水区域进行更详细的观察。

由于TechSat-21不是一个航天器，而是由三个航天器组成的编队，因此为发挥最大效益应该采用多agent模式通过离散协同来完成任务。但由于这种分布式的离散模式过于前卫，NASA出于安全性考虑，没有采纳。ASE并不是一个多agent系统，因此实际在轨任务中，是将其中一个航天器作为母星（master），以其上的ASE软件作为规划器来调度所有三个航天器的运行，相关规划指令通过航天器间的通信传递。不过，NASA内部还是有其他研究人员探讨了分布式协同控制的相关可能性^[21]。

图12  “技术卫星-21”

3. 结论及建议

综上所述，目前以美国NASA为首的国际航天强国已经将太空作为人工智能发挥作用的重要舞台。已经进行或将要进行的多个空间任务都或多或少采纳了人工智能技术来提升相关任务执行的效率。尽管目前在太空中应用的人工智能技术还很有限，取得的成绩还不够突出，但人工智能的威力已经有所表现，其所代表的未来发展方向也已初露端倪。我国航天事业经过几代人的艰苦奋斗虽已取得举世瞩目的成就，但在很多方面仍与世界先进水平存在一定差距。由于人工智能技术的颠覆性作用，我们有必要尽快开展相关研究，建立人才培养队伍，加强人工智能的基础理论研究及在空间领域的转化应用。人工智能并不仅仅用于娱乐和改善人们的生活品质，它更有可能被用在大量战略性领域和争议性区域。我们必须对此有所警醒，同时加强自身实力，迎难而上。

参考文献

[1]    Diaz, D., et al., Applying AI action scheduling toESA’s space robotics, Moreno, 2011.

[2]    Vassev, E., Hinchey, M., On the AutonomyRequirements for Space Missions, IEEE Conference Paper.

[3]    N Muscettola, Remote Agent: to boldly go where noAI system has gone before, Artificial Intelligence, 1998,103(1-2):5-47.

[4]    LaVallee, D.B., and Jacobsohn, J., Intelligentcontrol for spacecraft autonomy-an industry survey, AIAA Paper-7384, in: Space2006, San Jose, California, 2006.

[5]    R.A. Freitas, Jr., T.J. Healy, and J.E. Long,Advanced Automation for Space, Missions, Space Initiative, 1980.

[6]    T.B. Sheridan, D.S. Kruser, and S. Deutsch, eds.,Proc. Symp. Human Factors in Automated and Robotic Space Systems, Commission onBehavioral and Social Sciences and Education, Nat’l Research Council, 1987.

[7]    http://robotics.jaxa.jp/i-sairas2010/index.htm

[8]    R.J. Doyle, “Guest Editor’s Introduction:Spacecraft Autonomy and the Missions of Exploration,” IEEE Intelligent Systems,vol. 13, no. 5, 1998, pp. 36–44.

[9]    Sherwood, R., et al., The ThinkingSpacecraft: Autonomous Operations through Onboard A.I., in: SpaceOps 2002 Conference, 2002.

[10] Jonsson, A.K., Spacecraft autonomy: intelligentsoftware to increase crew, spacecraft and robotics autonomy, in: 2007Conferenceand Exhibit, Rohnert Park, California, 2007.

[11] Shafto, M., and Sierhuis, M., AI space odyssey, IEEEIntelligent Systems, 2010, 25(5):16-19.

[12] W.J. Clancey et al., “Automating CapCom usingMobile Agents and Robotic Assistants,” Proc. Am. Inst. Aeronautics andAstronautics 1st Space Exploration Conf., NASA, 2007.

[13] https://www.nasa.gov/centers/ames/research/areas-of-ames-ingenuity-autonomy-and-robotics

[14] Schuster, A.J., Intelligent Computing Everywhere,Chap. 12, Artificial intelligence for space applications, Springer-VerlagLondon Limited 2007.

[15] D Bernard, R Doyle, E Riedel, N Rouquette, Autonomyand software technology on NASA's Deep Space One, IEEE Intelligent Systems& Their Applications, 1999 , 14 (3) :10-15

[16] https://en.wikipedia.org/wiki/Deep_Space_1

[17]  "RemoteAgent". NASA. Retrieved 22 April 2009.

[18]  Garret, Ron. The Remote Agent Experiment: Debugging Code from 60Million Miles Away. YouTube.com. Google Tech Talks. Slides. (14 February 2012)

[19]  Chang, M.A., et al., MAPGEN: mixed-initiative planning and schedulingfor the mars exploration rover mission, IEEE Intelligent Systems, pp.8-12, 2004.

[20]  Sherwood, R., et al., Intelligent systems in space: the EO-1 autonomoussciencecraft, AIAA Paper-6917, in: Infotech@Aerospace, Arlington, Virginia,2005.

[21] Clement, A. Barrett, E. Durfee, G. Rabideau,"Using Abstraction to Coordinate Multiple Robotic Spacecraft,"Proceedings of the 2001 Intelligent Robots and Systems Conference, Maui, HI,November, 2001.