一個如烤麵包機般大小的機器人最近在自動化太空導航方面邁出了重要一步。斯坦福大學的研究人員首次在國際空間站（ISS）上成功展示了一個基於機器學習的控制系統。這一成就標誌著軌道機器人技術的一個轉折點，並為未來機器人以最少的人類監督來進行任務開闢了新的可能性。這個立方體形狀的自由飛行機器人Astrobee已經在ISS上運行，並作為這次測試的平台。新的系統可以幫助它在空間站的狹窄走廊和雜亂內部安全導航，而無需宇航員的直接控制。這項研究已在2025年國際空間機器人會議（iSpaRo）上發表並進行了展示。ISS的環境密集且互聯，充滿了儲物架、計算機、電線和實驗硬件。這種複雜性使得運動規劃變得困難，主要研究員Somrita Banerjee表示，這項工作是她斯坦福博士學位的一部分。傳統的規劃方法在地球上無法很好地轉化為太空硬件。高級作者Marco Pavone補充道，運行這些算法的飛行計算機通常比地面機器人的計算機資源受限。他還指出，太空環境引入了更多的不確定性以及比地面機器人更嚴格的安全要求。為了解決這一挑戰，團隊建立了一個優化系統，利用序列凸規劃來規劃安全且可行的路徑。然而，從頭開始解決每一步需要大量的計算時間，這減慢了進程。因此，團隊在數千個以前的解決方案上訓練了一個機器學習模型。這個模型充當了熱啟動，提供了一個經驗豐富的初步猜測，然後進行優化。安全約束仍然保持不變，但人工智能顯著加快了過程。Banerjee將其比作根據常見旅行路徑選擇路線，而不是在兩個城市之間畫一條理論上的直線。她表示，首先使用基於經驗的信息，然後從那裡進行優化。在到達ISS之前，該系統已在NASA艾姆斯研究中心的浮動機器人平台上進行測試，以模擬微重力環境。當在ISS上開始測試時，宇航員僅負責設置和清理，然后便退到一邊。地面團隊隨後通過NASA約翰遜太空中心發出了命令。該團隊測試了18條軌跡，每條軌跡運行兩次——一次使用標準冷啟動，另一次使用基於人工智能的熱啟動。結果顯示出明顯的優勢。Banerjee表示，我們展示了這一系統在特別挑戰性的情況下速度提高了50%至60%。這些挑戰包括在狹小空間內進行複雜的旋轉操作。NASA現在已將該系統評級為技術準備水平5，顯示其在實際操作環境中有效運作。這降低了未來提案和實驗的風險。展望未來，Banerjee指出，隨著太空任務的擴展，自主性將變得至關重要。隨著機器人越來越遠地離開地球，且任務頻率和成本降低，將無法始終從地面進行遙控。Pavone的團隊計劃進一步推進這項技術，使用更強大的人工智能模型，類似於當前語言工具和自動駕駛系統背後的技術。
