AstroForge 正将 AI 置于其下一艘航天器的指挥位置

要点

AstroForge 正在开发一个名为 Solo 的机载自主控制栈，这是一种基于 transformer 的模型，旨在在没有持续地面干预的情况下管理航天器操作。该初创公司计划在 2027 年进行一次飞行，将在受 NASA 支持的 Stoke Space 火箭上测试 Solo，并预计收集太阳科学数据。在早期任务异常和通信挑战之后，公司选择在机载嵌入智能，以便就地诊断和修复问题，而不是投资昂贵的全球地面天线网络。

情绪分析

• 总体情绪：混合但谨慎乐观。文章在对新型 AI 驱动自主性的兴奋与对过去失败和技术风险的冷静认识之间取得平衡。语气承认机载智能的潜在好处——减少对昂贵地面基础设施的依赖并加快异常响应——同时也认识到传统控制系统通常更成熟且更可靠。叙述强调 AstroForge 在原型飞行出现问题后愿意进行实验和迭代，显示出韧性与学习能力。鉴于谨慎的乐观情绪，其情绪强度为中等。

文章正文

AstroForge 是一家专注于小行星采矿技术的初创公司，正在将人工智能置于航天器控制的中心。面对传统任务操作的人力与基础设施需求高昂——包括飞行控制团队和全球天线网络——公司开发了一个名为 Solo 的机载自主栈，建立在 transformer 类神经模型之上。其目的是让航天器能够在不依赖持续地面干预的情况下处理任务并解决异常。

公司朝向机载智能转变的决定，受早期原型经验的影响。AstroForge 发射的两艘小型飞行器遭遇问题，限制了它们的任务；一艘近期的深空载具 Odin 变得难以联系。深空通信依赖少数几个非常大的地面天线和精确的、限时的通信窗口。当这些资源稀缺或航天器失去响应时，初创公司面临艰难抉择：要么在地面基础设施上投资数亿美元，要么追求更智能、更有能力的航天器。

AstroForge 选择了后者。Solo 是一个混合控制栈，结合了传统控制算法、针对子系统（如电力、导航等）在测试数据上训练的专用模型，以及一个在数千个传感器输入上训练的整体 transformer 式智能。根据公司领导的说法，该系统并非旨在成为可处理每项航天器任务的通用 AI，而是针对可用传感器与任务轮廓调校的受限自主性。目标很务实：赋予飞行器能力以关联传感器读数、诊断故障并在需要时采取纠正行动。

一项设想的能力是异常解决。例如，机载代理可能检测到姿态知识丧失，将该情况追溯到退化的星跟踪器或相关的电力异常，并执行恢复序列，例如对单元进行电源循环或切换到冗余硬件。此类决策通常由地面团队分析遥测并发送纠正指令来处理；将此能力放在机载可以缩短响应时间并在长时间通信间隙期间提高存活率。

为了在不完全放弃人工监督的情况下验证 Solo 的飞行表现，AstroForge 计划采取渐进式测试。公司打算在即将到来的任务中以监控或“影子”模式飞行 Solo，以观察其在真实条件下的行为。之后，他们目标是在某次任务中让 Solo 成为主要控制器，甚至计划在飞行期间限制或省略接收来自地球指令的无线电。领导人承认，这代表一种高风险高回报的做法：成功将证明神经方法可以补充或取代某些传统自主技术，而失败则会凸显在安全关键的空间系统中依赖学习模型的挑战。

技术与文化上的障碍仍然存在。航天飞行历来偏好确定性控制算法，因其可预测性与可验证性。神经网络，特别是基于 transformer 的模型，在飞行关键控制领域相对较新，并引发了可解释性、验证性以及在分布外情况下的鲁棒性等问题。AstroForge 的架构通过将学习到的模型与经验证的控制逻辑结合，以及在大量传感器数据上进行训练，来解决部分这些疑虑。即便如此，更广泛的社区可能仍会密切关注这类系统是否能达到深空任务所要求的可靠性标准。

公司的筹资、经验与合作关系也影响了其策略。AstroForge 成立于 2022 年，获得风险投资支持，其雄心与在挫折后采取实际步骤迭代改进的做法吸引了关注。与发射提供商的合作以及来自 NASA 等机构的支持，提供了小公司否则可能无法获得的测试机会。这些合作也提供了外部数据点，以评估机载 AI 在暴露于真实航天飞行复杂性时的表现。

展望未来，成功将为其他小型运营者开辟一条路径，使其能够在不承担全球地面网络高昂成本的情况下开展更独立的任务。它也可能扩大可依赖自适应机载智能来处理无法预见情况的任务范围。然而，通往那一未来的道路需要严格测试、谨慎整合传统与学习组件，并透明地报告成功与失败。 因此，AstroForge 的实验将成为一个重要的案例研究，以检验当代 AI 架构是否能满足航天操作严苛的可靠性需求。

关键见解表