太空一直被視為人類探索的最終疆界,如今它也正成為人工智慧的最終疆界。
去年十二月,美國太空總署(NASA)噴射推進實驗室利用 Anthropic 的 Claude 模型,協助規劃毅力號火星探測車的兩次火星行駛路徑;在路徑上傳前,人類規劃者會進行檢查與調整。
今年五月,NASA 與 IBM 將一個壓縮的 AI 模型部署到國際太空站和一顆衛星上,用於從軌道上識別洪水和雲層等現象,這是此類模型首次在太空中展示。而在七月,國際太空站上的太空人測試了一個大型語言模型,以評估它是否能協助回答維護程序相關問題。
這些實驗預示著太空工程領域的一大轉變。數十年來,地球上的工程師決定太空中的機器將執行什麼任務,而機器也只會精確地執行這些任務。
現在,研究人員正在測試生成式 AI 等非確定性系統,是否能賦予太空船更大的彈性,使其能夠解讀周遭環境、規劃任務,並有朝一日自行做出決策。儘管這項技術距離完全值得信賴、足以將太空船控制權交給它還很遙遠,但隨著任務變得日益複雜、遙遠且數量增多,工程師們開始思考,他們是否還有不採用這項技術的本錢。
太空船自主運作已有數十年歷史,但自主性從未成為主流模式,部分原因是太空工程師偏愛行為可預測的系統。
美國太空總署軟體、機器人與模擬部門前主管 Robert Ambrose 表示:「自主性通常沒有確定性的結果,這意味著你如何進入某種情況會改變其行為。」他補充說:「所以如果你從不同的路徑進入相同的情況,結果可能會不同。工程師們討厭這一點。」
Ambrose 職業生涯大部分時間都在 NASA 從事自主系統工作,包括獵戶座太空船、NASA 深空和月球軌道器太空船的自主系統,以及 Robonaut 2。Robonaut 2 是一個旨在與太空人協同工作的人形機器人,於 2011 年進入太空。
透過獵戶座計畫,他看到了測試問題可能迅速倍增。工程師不僅要考慮太空船可能做什麼,還要考慮它可能以所有不同方式做出決策。但 Ambrose 表示,工程師們找到了管理這種複雜性的方法,包括自動化測試本身。他說:「我們用自主性來對抗自主性的挑戰,這確實有效。」
任務離地球越遠,對自主性的需求就越明顯。Ambrose 指出一個可能的木衛二(Europa)任務,這顆木星的冰殼衛星可能會讓太空船潛入從地表下方噴發的水柱。
水柱可能出現得太快,地球上的工程師無法即時指揮太空船進入。他說:「這將由太空船自行決定,而我們只能看到一小時前發生的事情。」他補充說,如果沒有賦予機器真正的自主性,這樣的任務「完全不可能」實現。
隨著地球上 AI 和機器人技術的進步,商業太空的蓬勃發展為這些技術在軌道上應用創造了新機會。然而,在地球上有效的東西,在太空中卻不一定適用。
Icarus Robotics 正在開發其所謂的太空機器人勞動力,其中包括名為 Joy 的自由飛行機器人系統。Joy 最近在加拿大完成了零重力測試,預計將部署到國際太空站,其首批任務之一是在模組之間移動貨物袋。
該公司計劃從遠端操作開始,利用這些數據最終訓練機器人自主工作。Icarus 的共同創辦人兼技術長 Jamie Palmer 表示:「部署的初期可能更接近於部分自主,因此在整個過程中,人類監督仍然會持續參與。」
Palmer 說,在地球上訓練的機器人是從周遭環境的物理特性中學習的,而在軌道上,物理特性則完全不同。他說:「如果你把最新的 Gemini 機器人模型,或是最新的物理智慧模型,放到零重力環境中,它會立刻失效。」
例如,在地球上,機器人學會當它把東西從桌子上推下去時,物體會掉落;但在軌道上,它會繼續移動。這讓 Icarus 面臨一個陸地機器人產業也面臨的問題,但形式更為極端:在其機器人將運作的環境中,幾乎沒有真實世界的數據。
該公司正在結合其機器人在微重力環境中的演示、模擬以及在地球上的測試,以建立自己的數據集。該公司的共同創辦人兼執行長 Ethan Barajas 表示:「我希望有一個 Icarus 可以下載和使用的數據集,但目前沒有,至少沒有一個有意義的。」
挑戰不僅僅是教導太空船自主行動,更在於如何管理賦予它們更多自由所帶來的風險。德州大學奧斯汀分校工程學教授兼自主中心主任 Ufuk Topcu 表示:「太空應用中自主性如此之少,這讓我感到非常困惑。因為這正是人類參與極其困難、風險極高且需要快速行動的領域。」
Topcu 說,目標不能是保證自主系統永遠不會出錯。他指出,它們在人類無法預料的情況下最有用,因此研究人員需要從受限的應用開始,了解系統的行為方式,然後逐步擴展其使用範圍和方式。在他看來,真正的問題是如何妥善管理部署風險,而不是能否完全消除風險。
隨著太空產業的變革,這一點可能變得越來越重要。在太空時代的大部分時間裡,少數政府機構設計的任務可能需要數十年才能開發和運作。如今,商業公司正將更多太空船送入軌道,新任務的開發和發射速度也快得多。
Topcu 表示:「太空過去的創新週期非常緩慢。他們會構思一個任務概念,然後花費 10 或 15 年來實現。現在已經不是這樣了。一切都發展得更快了。」

