美國噴氣推進實驗室人工智能技術(shù)發(fā)展現(xiàn)狀與分析

美國噴氣推進實驗室（JPL）始創(chuàng)于1936年，由西奧多?馮?卡門領(lǐng)導(dǎo)創(chuàng)建，隸屬于美國航空航天局（NASA）。它是美國太空探索和火箭發(fā)射研究的先驅(qū)機構(gòu)，也是世界上最著名的航天研究機構(gòu)之一。自2001年開始，JPL實驗室將人工智能技術(shù)作為其重點發(fā)展的技術(shù)方向，在自然災(zāi)害的智能監(jiān)測與預(yù)警、航天器與測控設(shè)施的智能故障預(yù)測與維護、航天器任務(wù)的智能規(guī)劃與調(diào)度、航天器探測數(shù)據(jù)的在軌智能處理、深空探測器智能感知與控制等技術(shù)領(lǐng)域開展了大量研究工作，取得了豐碩的研究成果，并成功應(yīng)用在多個航天任務(wù)中。

一、美國航天任務(wù)對人工智能技術(shù)的需求

作為國際頂尖的航天強國，美國不僅建立了世界上首個全球衛(wèi)星導(dǎo)航系統(tǒng)，其所發(fā)射的深空探測器足跡也遍及太陽系各大天體。美國后續(xù)航天任務(wù)具有兩大特征：一是其所發(fā)射的航天器數(shù)目越來越多；二是其所探測的空間越來越遠(yuǎn)。顯然，傳統(tǒng)的依賴于航天器進行簡單自動控制與地面人工干預(yù)、管理的方式難以滿足其后續(xù)航天任務(wù)的要求，嚴(yán)重限制了其近地大規(guī)模航天器的運行效率及深空探測器的安全性和可靠性，因而對人工智能技術(shù)提出了迫切的需求。人工智能是一個很寬泛的概念，大體來說就是借助計算機和某些感知與執(zhí)行單元完成某些與人類智能有關(guān)的復(fù)雜功能的能力。人類具有推理、語言、感知、規(guī)劃、操控及學(xué)習(xí)等多種能力，為模擬人類的上述能力，人工智能技術(shù)也進一步發(fā)展了專家系統(tǒng)、自然語言理解與交流、計算機視覺、機器人學(xué)和機器學(xué)習(xí)等多個分支，如圖1所示。

圖1 人工智能技術(shù)的五大分支

航天任務(wù)對人工智能技術(shù)的需求主要體現(xiàn)在以下幾個方面：

（1）自然災(zāi)害的智能監(jiān)測與預(yù)警。對圖像數(shù)據(jù)進行分析是人工智能技術(shù)最擅長的應(yīng)用領(lǐng)域，利用人工智能對衛(wèi)星所拍攝圖像數(shù)據(jù)信息進行實時分析，對森林山火、火山噴發(fā)及洪水等自然災(zāi)害進行監(jiān)測及有效預(yù)警具有重要意義。例如，目前全球約有8億人口生活在距火山100km以內(nèi)的地區(qū)，但其中只有不到10%的火山處于監(jiān)控當(dāng)中。借助于衛(wèi)星對地觀測所獲取的海量數(shù)據(jù)，通過人工智能技術(shù)對地表溫度、火山灰和氣體排放等數(shù)據(jù)進行學(xué)習(xí)和分析，可以建立火山活動機器學(xué)習(xí)模型，實現(xiàn)對火山災(zāi)害的提前預(yù)警，以及在火山爆發(fā)時的災(zāi)害規(guī)劃和疏散警告，從而可以顯著降低自然災(zāi)害所造成的損失和人員傷亡。

（2）航天器與測控設(shè)施的智能故障預(yù)測與維護。目前近地在軌衛(wèi)星總數(shù)約為7000多顆，而美國就占據(jù)了一半，已逾3500多顆。對于那些在軌服務(wù)時間長但無法得到及時檢測的航天器系統(tǒng)來說，如何有效地運用人工智能技術(shù)來進行故障預(yù)測分析和預(yù)測維護將顯得格外重要。此外，NASA在世界各地也建立了大量的地面測控設(shè)施，利用人工智能技術(shù)對測控設(shè)備進行持續(xù)的健康監(jiān)測、潛在故障的提前預(yù)測及故障情況下的設(shè)備替換調(diào)度，對保障其地面測控設(shè)施的高效運行維護也具有重要意義。

（3）航天器任務(wù)的智能規(guī)劃與調(diào)度。航天器是一個包含時間和資源信息等多種約束的復(fù)雜系統(tǒng)，而航天器任務(wù)的規(guī)劃與調(diào)度是一項涉及多部門、多周期、多層次的系統(tǒng)工程。傳統(tǒng)的航天器任務(wù)規(guī)劃與調(diào)度方式需要依賴大量的設(shè)計人員和長時間的設(shè)計過程，人力和物力耗費極大，且其所設(shè)計的任務(wù)規(guī)劃序列和資源的調(diào)度分配流程不具有最優(yōu)性，因此，近年來隨著NASA航天器數(shù)目的快速增長和航天工程復(fù)雜度的不斷增加，傳統(tǒng)的以設(shè)計人員決策為主體的任務(wù)規(guī)劃和調(diào)度模式越來越難以適應(yīng)其航天任務(wù)的需求。人工智能與航天器任務(wù)規(guī)劃和調(diào)度技術(shù)的結(jié)合，不僅能夠提供新的研究工具和設(shè)計手段，同時也能顯著提升其設(shè)計效率和性能。

（4）航天器探測數(shù)據(jù)的在軌智能處理。目前大多數(shù)航天器尚不具備在軌數(shù)據(jù)處理能力，因此其只能不加甄別地下傳飛行任務(wù)中所獲取的信息。受航天器對地通信鏈路帶寬的選擇及通信時延的影響，這種將所有數(shù)據(jù)下傳并基于地面設(shè)備進行分析、處理的方式極大限制了開展空間科學(xué)任務(wù)的效率。特別是未來的空間任務(wù)將對地球環(huán)境進行前所未有的監(jiān)測，將產(chǎn)生更大量的科學(xué)數(shù)據(jù)。因此，迫切需要發(fā)展對航天器所獲取數(shù)據(jù)進行在軌預(yù)處理或智能篩選、識別的智能技術(shù)。

（5）深空探測器智能感知與控制。由于深空復(fù)雜環(huán)境的準(zhǔn)確信息難以通過地面提前觀測獲取，通常只能在探測器接近目標(biāo)的過程中測量并將數(shù)據(jù)傳回地面，而地面技術(shù)人員根據(jù)探測數(shù)據(jù)開展目標(biāo)環(huán)境特征提取、數(shù)學(xué)建模及相應(yīng)的分析和設(shè)計，并最終將地面所生成的控制指令通過數(shù)據(jù)鏈傳回至探測器。由于深空探測器存在較大的測控時延，在對探測過程中的突發(fā)事件、稍縱即逝的目標(biāo)天體和高動態(tài)未知環(huán)境等時間敏感場景進行探測時，測控時延會對此類探測任務(wù)的決策控制造成巨大影響。因此，通過探測器自身敏感器進行智能感知，準(zhǔn)確實時把握未知探測環(huán)境、探測器狀態(tài)及突發(fā)事件，并根據(jù)探測數(shù)據(jù)在線提取特征，實現(xiàn)相應(yīng)的自主智能控制，是實現(xiàn)深空自主探測需要解決的首要問題。

二、JPL實驗室人工智能技術(shù)發(fā)展現(xiàn)狀

（一）自然災(zāi)害的智能監(jiān)測與預(yù)警

在自然災(zāi)害的智能在軌監(jiān)測與預(yù)警方面，JPL實驗室開展了泰國洪水傳感網(wǎng)、火山傳感網(wǎng)等多項研究。

1.泰國洪水傳感網(wǎng)

泰國洪水傳感網(wǎng)是JPL實驗室與泰國科技部水文和農(nóng)業(yè)信息科學(xué)研究所的合作研究項目，主要用于加強對泰國洪水災(zāi)害的監(jiān)測。泰國洪水傳感網(wǎng)的主要功能是調(diào)度遙感衛(wèi)星獲取特定地區(qū)的高分辨率圖像，通過對圖像的自動分析以檢測洪水災(zāi)害區(qū)域，并提供預(yù)警信息。

2.火山傳感網(wǎng)

火山傳感網(wǎng)是由JPL實驗室主導(dǎo)的全球火山活動檢測項目，主要通過空間、地面和空中等多傳感器組成傳感網(wǎng)絡(luò)，具有模塊化、靈活的體系結(jié)構(gòu)，便于傳感器擴展、觸發(fā)場景和進行相應(yīng)的定制。JPL實驗室利用“地球觀測”1（EO-1）等衛(wèi)星所搭載的分辨率成像光譜儀獲取火山輻射熱數(shù)據(jù)，可以在火山噴發(fā)前幾個月甚至前幾年進行預(yù)測。EO-1衛(wèi)星是NASA于2000年發(fā)射的科學(xué)實驗衛(wèi)星，2003年，JPL實驗室開始為該衛(wèi)星配備人工智能軟件程序，以開展對地智能觀測，如圖2所示。從2003年起，該系統(tǒng)已被用于自然災(zāi)害的全球監(jiān)測計劃，共發(fā)出300萬多條指令，進行了6萬多次觀測，甚至在地面人員意識到災(zāi)害發(fā)生之前就能夠拍攝圖像，實現(xiàn)提前預(yù)測。由于EO-1衛(wèi)星上的人工智能程序及火山傳感器網(wǎng)絡(luò)的存在，衛(wèi)星所監(jiān)測的數(shù)據(jù)被迅速下載到地面，并自動檢測火山活動的“熱點”特征。

圖2 智能對地觀測任務(wù)流程

（二）航天器與測控設(shè)施的智能故障預(yù)測與維護

在航天器與測控設(shè)施的智能故障預(yù)測與維修方面，JPL實驗室主要開展了深空網(wǎng)智能故障預(yù)測與維護等項目研究。深空網(wǎng)是NASA在美國加州的戈爾德斯通、西班牙的馬德里和澳大利亞的堪培拉建立的深空通信綜合設(shè)施，是目前世界上能力最強、規(guī)模最大的深空測控通信系統(tǒng)，其操作控制中心位于JPL實驗室。自20世紀(jì)60年代至今，深空網(wǎng)一直是NASA深空通信的主要設(shè)施，長期支持近40個深空探測器任務(wù)。但由于它的多個主要天線建造于20世紀(jì)70年代，使用壽命已超40年，所以存在較為嚴(yán)重的設(shè)備老化等問題。為避免天線設(shè)備故障影響深空通信任務(wù)，JPL實驗室通過深空網(wǎng)智能故障預(yù)測與維護項目，引入人工智能技術(shù)來預(yù)測天線是否損壞及何時需要維護，以確保可以提前切換天線設(shè)施并將其脫機維修，從而保障不會因為設(shè)備故障而失去與航天器的通信。

（三）航天器任務(wù)的智能規(guī)劃與調(diào)度

早在20世紀(jì)末，JPL實驗室就已開始研究航天器任務(wù)智能規(guī)劃與調(diào)度技術(shù)，研發(fā)了多個智能任務(wù)規(guī)劃與調(diào)度系統(tǒng)，并在多個航天項目中進行了實驗驗證或應(yīng)用。

1.ASPEN規(guī)劃與調(diào)度系統(tǒng)

ASPEN（Automated Scheduling and Planning Environment）是JPL實驗室開發(fā)的一個模塊化的、支持多種類型的應(yīng)用程序，其設(shè)計思想是將領(lǐng)域知識的描述與搜索控制知識分離開來，采用的人工智能方法主要包括啟發(fā)式搜索、迭代修復(fù)和時間推理等。ASPEN架構(gòu)具有通用性，支持不同算法的選擇和動態(tài)組合。ASPEN是在地面運行的規(guī)劃和調(diào)度系統(tǒng)，主要通過接收航天器所發(fā)送的信息，利用系統(tǒng)內(nèi)部的模型和算法產(chǎn)生航天器的飛行計劃及其各子系統(tǒng)的指令序列。ASPEN系統(tǒng)已成功應(yīng)用在NASA的多個任務(wù)中，包括深空網(wǎng)任務(wù)規(guī)劃和調(diào)度、EO-1任務(wù)規(guī)劃等。

2.ASPEN-RSSC規(guī)劃與調(diào)度系統(tǒng)

ASPEN-RSSC是JPL實驗室為“羅塞塔”彗星探測器科學(xué)儀器調(diào)度規(guī)劃所開發(fā)的定制軟件?！傲_塞塔”彗星探測器是歐空局于2004年所發(fā)射的深空探測器，其主要科學(xué)任務(wù)是探測67P/Churyumov-Gerasimenko彗星的成分?！傲_塞塔”探測器攜帶二次離子質(zhì)譜儀等11種科學(xué)儀器，其科學(xué)儀器調(diào)度規(guī)劃過程極為復(fù)雜，一方面每個儀器都需進行多種探測活動，另一方面也要求探測器本身滿足幾何、光照、位置、航天器指向等多種嚴(yán)苛的約束要求。ASPEN-RSSC系統(tǒng)基于ASPEN系統(tǒng)的二次定制開發(fā)而成，通過優(yōu)先級調(diào)度等算法成功完成“羅塞塔”探測器長期、中期及短期探測計劃的多次任務(wù)規(guī)劃和調(diào)度。

3.CLASP規(guī)劃與調(diào)度系統(tǒng)

CLASP（Compressed Large-scale Activity Scheduling and Planning）系統(tǒng)是JPL實驗室所開發(fā)的航天器任務(wù)重規(guī)劃和執(zhí)行軟件，它主要基于迭代修復(fù)等智能方法實現(xiàn)。該程序包括現(xiàn)有目標(biāo)設(shè)置、狀態(tài)和預(yù)期結(jié)果模型等，其中實時狀態(tài)允許隨時更新。該更新可以是任何事，從簡單的時間處理調(diào)整到未預(yù)期的事件?；贑LASP系統(tǒng)，航天器可以對環(huán)境中的意外變化做出更靈敏的響應(yīng)，并顯著減少對預(yù)測模型的依賴。

4.MEXEC規(guī)劃與調(diào)度系統(tǒng)

MEXEC是JPL實驗室所開發(fā)的一款輕量級、多任務(wù)規(guī)劃和調(diào)度軟件，旨在提高航天器的自主性和效率，如圖3所示。MEXEC最初是為“木衛(wèi)二快帆”（Europa Clipper）探測器原型樣機驗證而創(chuàng)建的，作為故障操作需求的潛在解決方案。Europa Clipper探測器是美國NASA正在開發(fā)的一個行星際探測器，計劃于2024年發(fā)射，其主要任務(wù)是對木衛(wèi)二進行多次近距離飛越，以收集有關(guān)該衛(wèi)星大氣層、表面和內(nèi)部的數(shù)據(jù)。MEXEC規(guī)劃與調(diào)度系統(tǒng)的主要功能是在探測器出現(xiàn)計算機重置等情況下，保證飛行軟件能夠?qū)⒑教炱鲙Щ匕踩珷顟B(tài)，并盡快恢復(fù)科學(xué)操作，以減少科學(xué)損失。MEXEC系統(tǒng)能夠有效應(yīng)對意外變化，并允許探測器在解決問題的同時能夠繼續(xù)執(zhí)行安全任務(wù)，是Europa Clipper探測器的重要組成部分。

圖3 MEXEC原型飛行軟件

（四）航天器探測數(shù)據(jù)的在軌智能處理

在航天器探測數(shù)據(jù)的在軌智能處理方面，JPL實驗室開展了星載科學(xué)算法和HyspIRI智能載荷模塊等研究。

1.星載科學(xué)算法

星載科學(xué)算法的主要功能是對數(shù)據(jù)圖像進行智能分析，主要采用機器學(xué)習(xí)和模式識別等智能方法?；谛禽d科學(xué)算法，可以識別出最有價值的科學(xué)數(shù)據(jù)并將之下傳到地面，從而能夠從根本上解決下傳數(shù)據(jù)鏈路資源不足的問題。

2.HyspIRI智能載荷模塊

高光譜紅外成像（HyspIRI）任務(wù)是NASA于2007年啟動的實地研究項目，主要包括一個可見光至短波紅外VSWIR成像光譜儀和一個熱紅外TIR多光譜成像儀，以及對數(shù)據(jù)進行快速下行和在軌處理的智能有效載荷模塊。其中，智能載荷模塊的主要功能是按照HyspIRI任務(wù)制定過程的要求，執(zhí)行星載數(shù)據(jù)處理，并在時間敏感節(jié)點為用戶提供災(zāi)難響應(yīng)、干旱監(jiān)測，以及地面現(xiàn)場實驗和校正/驗證活動等服務(wù)。

在HyspIRI智能載荷模塊中進行星載數(shù)據(jù)處理面臨以下幾個難點問題：首先，航天器上所獲取的數(shù)據(jù)存在一定失真，需要進行在軌校準(zhǔn)或校正；其次，星載計算資源與地面中心相比通常有限，如2020年所發(fā)射的美國“毅力”火星探測器，其所載計算機的主頻和內(nèi)存分別約為200MHz及256M，與地面高性能計算機相比差距極大；此外，航天器執(zhí)行任務(wù)過程中會產(chǎn)生大量的數(shù)據(jù)，這些數(shù)據(jù)的速率需要匹配高效的算法、簡化的數(shù)據(jù)流和優(yōu)化的系統(tǒng)工程。HyspIRI智能載荷模塊的解決方案是采用兩個處理器，一個用于命令和數(shù)據(jù)處理，另一個用于科學(xué)數(shù)據(jù)處理；此外，其所采用的智能方法一般為輕量型算法，如決策樹分類器、SVM分類器和回歸、分類和回歸樹（CART）、貝葉斯最大似然分類器等。

（五）深空探測器智能感知與控制

在深空探測器智能感知與控制方面，JPL實驗室開展了“火星2020”探測任務(wù)智能感知與控制系統(tǒng)研究。

1.“火星2020”探測任務(wù)智能感知與控制系統(tǒng)

“火星2020”是美國火星探測計劃的火星探測器任務(wù)，其中包括“毅力”火星車和“機智”無人直升機。其火星探測器于2020年7月發(fā)射，并于2021年2月抵達(dá)火星。JPL實驗室為“毅力”火星車開發(fā)了人工智能套件，以應(yīng)對火星車與地面通信機會有限及其部分性能難以預(yù)測等所帶來的難題。智能感知與控制系統(tǒng)主要包括以下3個方面：

（1）火星車的智能自動行駛。人工智能技術(shù)使得“毅力”火星車在陌生的星球環(huán)境中具備環(huán)境智能識別、目標(biāo)智能分析及路徑智能規(guī)劃等能力，在保證其安全性能的基礎(chǔ)上能夠有效提升其行駛速度。

（2）火星巖石成分的智能收集分析。JPL實驗室開發(fā)的自主探索收集增強型科學(xué)系統(tǒng)（AEGIS）允許任務(wù)工程師遠(yuǎn)程瞄準(zhǔn)和控制其SuperCam攝像頭。該攝像頭也是一種激光光譜儀，通過發(fā)射激光照射在巖石上以蒸發(fā)其表面成分，并同時對生成的巖石等離子體進行智能分析，以確定巖石的元素。

（3）科學(xué)儀器的智能調(diào)度規(guī)劃?！耙懔Α被鹦擒嚁y帶7種科學(xué)儀器、3個攝像頭、2個麥克風(fēng)，任務(wù)計劃探測耶澤羅撞擊坑附近的火星表面?？茖W(xué)儀器的智能調(diào)度規(guī)劃系統(tǒng)是火星車進行長時間、無人自主科學(xué)探測的重要支撐。

2.行星洞穴探測機器人

JPL實驗室是NASA機器人研發(fā)的主要研究機構(gòu)，在過去數(shù)十年間，其研制了“好奇”火星車、“毅力”火星車、“機智”無人直升機等多種機器人，并長期致力于將更先進的機器人派往太陽系的其他天體，代替人類完成深空極端環(huán)境下的探測任務(wù)。由于行星洞穴能夠保護生命免受宇宙輻射或太陽系周圍極端溫度波動的影響，因此是尋找行星生命跡象的重要突破口，同時對認(rèn)識行星的演化過程具有重要意義；此外，行星洞穴也能為未來星際移民提供天然的庇護所。行星洞穴環(huán)境復(fù)雜多變，例如，火星上的洞穴可能長達(dá)數(shù)百米，因而導(dǎo)致在洞穴內(nèi)與地球之間的通信交流受到限制，此時只能依賴于具有自主行動能力和智能決策能力的機器人進行深入探測。因此，JPL實驗室提出了兩種多機器人協(xié)同探測的方案，其目的是使機器人盡可能深入洞穴，同時將盡可能多的數(shù)據(jù)發(fā)送回行星表面基站。

第一種方案采用多機器人協(xié)同接力探測的策略，這種方案分為兩個階段：第一階段先指定分派洞穴探測機器人，保證其相互之間的通信距離，然后單向傳輸數(shù)據(jù)直至探測機器人失聯(lián)；第二階段是通過放寬通信距離的限制，讓機器人在洞穴中進一步獲取科學(xué)數(shù)據(jù)并傳出洞穴。第二種方案采用偵察兵策略，在該方案中，一組僅攜帶少數(shù)科學(xué)探測儀器的漫游機器人采用巡游的方式探測盡可能大的洞穴區(qū)域，在找到潛在科學(xué)目標(biāo)后，由功能更強大的科學(xué)探測機器人進行更進一步探測。

三、JPL實驗室人工智能技術(shù)發(fā)展分析

在美國政府向國會提交的2023財年預(yù)算報告中，NASA獲得了有史以來最高的財年預(yù)算（約260億美元），比2022年的撥款高出約8%。2022財年NASA關(guān)于行星科學(xué)的預(yù)算額度高達(dá)32億美元，其中包括“毅力”火星車后續(xù)任務(wù)——火星樣品返回任務(wù)、NASA商業(yè)月球載荷服務(wù)項目系列任務(wù)，以及對近地潛在危險小行星探測任務(wù)。2023財年NASA的大部分預(yù)算都劃撥給“阿爾忒彌斯”（Artemis）登月計劃。這些后續(xù)深空探測任務(wù)對人工智能技術(shù)提出更高的需求。

通過對JPL實驗室在研人工智能項目進行研究分析可以發(fā)現(xiàn)，其未來人工智能技術(shù)發(fā)展主要有以下幾個特征：

（1）JPL實驗室正在將人工智能的7種模式更廣泛地應(yīng)用于近地軌道衛(wèi)星和深空探測器的多個分系統(tǒng)。人工智能的7種模式包括超個性化、識別、模式與異常、交流與人機互動、自主系統(tǒng)、預(yù)測分析與決策支持、目標(biāo)驅(qū)動系統(tǒng)（見圖4），其中超個性化是將每一個航天器都作為獨立的個體，發(fā)展定制化的智能方法；識別、模式與異常能夠利用航天器所攜帶的各種傳感器對飛行環(huán)境、探測對象和航天器自身狀態(tài)進行智能感知和識別；交流與人機互動使得航天器能夠像人類一樣與航天員或地面技術(shù)人員進行通信和人機交互；自主系統(tǒng)使得航天器在不依賴或無法依賴地面技術(shù)人員的情況下實現(xiàn)自主的規(guī)劃、決策和操控；預(yù)測、分析與決策支持使得航天器在對過去數(shù)據(jù)和行為進行學(xué)習(xí)的基礎(chǔ)上能夠?qū)崿F(xiàn)對未來的預(yù)測，包括故障預(yù)測、飛行軌跡預(yù)測等；目標(biāo)驅(qū)動系統(tǒng)借助強化學(xué)習(xí)等機器學(xué)習(xí)，通過航天器與環(huán)境的交互、試錯過程進行學(xué)習(xí)。上述人工智能7種模式的廣泛應(yīng)用將大幅提升航天器的自主能力和智能化水平。

圖4 人工智能的7種模式

（2）功能各異的智能機器人是JPL實驗室近期發(fā)展的重點。未來的航天任務(wù)不僅需要在行星表面進行巡游探測、資源勘查、礦產(chǎn)開采、原料運輸和設(shè)施建造的機器人，也需要在行星洞穴、行星海洋中進行深入探測的機器人。不同功能、不同構(gòu)型的機器人不僅分工明確，而且具有協(xié)同合作的能力。智能機器人技術(shù)作為JPL實驗室的戰(zhàn)略性關(guān)鍵技術(shù)，對未來月球、行星的資源開發(fā)和星際移民具有非常重要的意義。

（3）JPL實驗室的航天器智能技術(shù)正在從單一智能向集群智能發(fā)展。目前JPL實驗室所研究的智能規(guī)劃與調(diào)度、智能感知與控制、智能預(yù)測與維護等技術(shù)基本都是針對單一航天器所發(fā)展的，具有功能單一、智能化程度較低等缺陷。隨著航天器技術(shù)的快速發(fā)展，航天器也逐漸向小型化、低成本的方向發(fā)展，多個航天器協(xié)同工作完成復(fù)雜太空探索任務(wù)的航天器集群探測模式必然會成為深空探索和空間應(yīng)用領(lǐng)域的主流方式。特別是在行星洞穴探測和大型行星設(shè)施建造任務(wù)中，唯有機器人集群協(xié)同工作才能完成預(yù)定任務(wù)，因此JPL實驗室在發(fā)展單一航天器人工智能技術(shù)的基礎(chǔ)上，正在全力拓展航天器集群智能技術(shù)的研究和應(yīng)用。

（4）JPL實驗室的航天器智能技術(shù)呈現(xiàn)出從應(yīng)用探索向基礎(chǔ)理論邁進的趨勢。航天器智能技術(shù)是人工智能應(yīng)用在航天工程這一特殊領(lǐng)域及學(xué)科交叉融合過程中所涌現(xiàn)的新問題和關(guān)鍵難題，其基礎(chǔ)理論研究尚薄弱，有待于進一步加強和深入發(fā)展；其現(xiàn)有研究方法先天不足，亟需新的研究思路和研究手段，以實現(xiàn)其技術(shù)瓶頸的突破。JPL實驗室現(xiàn)階段的智能技術(shù)研究主要集中在人工智能在航天器對象中的可應(yīng)用性問題方面，仍處于從無到有的探索階段。隨著人工智能技術(shù)在多個航天任務(wù)中的成功應(yīng)用，從有到優(yōu)逐漸成為其下一階段的重心。

四、結(jié)束語

在過去的20年間，美國JPL實驗室的人工智能技術(shù)快速發(fā)展，并在“羅塞塔”彗星探測、“火星2020”等多個航天任務(wù)中得以成功應(yīng)用。目前，我國航天領(lǐng)域的人工智能技術(shù)尚處于起步階段，研究、分析國際頂尖實驗室人工智能技術(shù)的發(fā)展現(xiàn)狀和發(fā)展趨勢，對加快我國航天系統(tǒng)人工智能技術(shù)的發(fā)展、推進空間探測模式的轉(zhuǎn)變和提升地外深空天體資源開發(fā)利用能力具有參考意義。

充滿激情的新時代，

充滿挑戰(zhàn)的新疆域，

與踔厲奮發(fā)的引領(lǐng)者，

卓爾不群的企業(yè)家，

一起開拓，

一起體驗，

一起感悟，

共同打造更真品質(zhì)，

共同實現(xiàn)更高價值，

共同見證商業(yè)航天更大的跨越！

——《衛(wèi)星與網(wǎng)絡(luò)》，觀察，記錄，傳播，引領(lǐng)。