加利福尼亚州帕洛阿尔托——斯坦福大学航空空间自主研究中心 (CAESAR) 于 5 月 22 日举行启动活动，强调其寻求促进的行业、学术界和政府之间的合作。

“我们成立 CAESAR 的目的是通过合理整合人工智能组件来解决航天器自主性问题，”CAESAR 联合主任兼斯坦福大学太空会合实验室创始主任 Simone D'Amico 表示。“我们希望在人工智能与制导、导航和控制的交叉领域开发新算法。”

此外，CAESAR 研究人员正在开发一种空间基础模型，这是一种基于空间数据进行训练并针对空间相关任务进行微调的机器学习模型。CAESAR 联席主任、斯坦福大学自主系统实验室主任 Marco Pavone 表示，空间基础模型“将处理各种输入和传感器模式，既包括语言和视频等标准模式，也包括激光雷达、遥感数据、空间物体目录等空间特定模式”。

脱离隐身状态

该组织已秘密运营了大约 9 个月。在此期间，学生们开展了由 NASA、SpaceWERX、美国国家科学基金会和 CAESAR 创始企业赞助商 Blue Origin 和 Redwire 支持的研究项目。

Redwire 首席技术官 Al Tadros 在一份声明中表示：“人工智能和太空作战研究的成果将对我们的技术路线图产生巨大价值，并推动我们的产品发展，包括为一系列客户提供太空领域感知能力。”“人工智能增强能力可能会对太空服务、制导、导航和控制以及会合和近距离操作自主性以及 Redwire 为当前和未来任务支持的一系列复杂任务要求产生变革性影响。”

早期的 CAESAR 项目专注于自主会合、近距操作和对接，以及空间物体的快速表征。

D'Amico 表示，过去，描述未知太空物体是一项耗时且数据密集的任务。CAESAR 研究人员证明，卷积神经网络（一种深度学习算法）在大量 3D 航天器模型和图像上进行训练，可以从单个图像中近似出未知航天器的 3D 模型。

斯坦福大学、美国国家航空航天局、美国太空军、航空航天公司以及 CAESAR 发射活动的行业发言人强调了人工智能在简化太空任务规划、增强太空态势感知以及实现航天器和探测器自主方面的潜力。

航空航天公司空间系统架构部创新、科学和技术总监 Mike Nemerouf 表示：“人工智能支持的自主性可以改变我们为国防部和情报界开展太空行动的方式。”机载处理器可以融合数据集并将信息下行传输给操作员，而不是中继操作员必须解密才能做出决策的不同数据流。

数据稀缺

发言者还提到了将人工智能应用于太空任务的挑战。最先进的人工智能组件并非为恶劣的太空环境而设计。航天器上的功率往往有限。而且训练与太空相关的人工智能模型所需的数据通常不可用。

D'Amico 表示，CAESAR 研究人员正在通过“利用机器人和虚拟现实领域的最新进展来提高新方法和算法的技术就绪水平”来解决一些挑战。

例如，CAESAR 的机器人试验台模拟了自主航天器的运动。“这些试验台是根据经验、教训和我们从实际飞行任务中获得的结果而建立的，”达米科说。

达米科领导了Starling编队飞行光学实验，即所谓的 StarFOX，这是一种用于卫星群的分布式光学导航系统。