IT 之家 12 月 9 日消息，一款仅烤面包机大小的机器人刚刚在自主太空导航领域迈出关键一步。斯坦福大学研究人员首次在国际空间站（ISS）上成功演示了一套基于机器学习的控制系统，标志着轨道机器人技术的重要转折点，为未来实现由机器人主导、仅需极少人类干预的太空任务铺平了道路。

此次实验以已在国际空间站部署的立方体形自由飞行机器人 "Astrobee" 作为测试平台，新系统使其能够在不依赖宇航员直接操控的情况下，安全穿越空间站狭窄的通道和布满设备的内部环境。

该研究成果已在 2025 年国际空间机器人大会（iSpaRo）上发表并展示。

更智能的运动规划

据 IT 之家了解，国际空间站内部结构密集、相互连通，充斥着储物架、计算机、线缆及各类实验设备，这种复杂性给运动路径规划带来了巨大挑战。项目首席研究员索姆丽塔・班纳吉（Somrita Banerjee）表示，这项工作是她斯坦福大学博士研究的一部分。她指出，地球上的传统路径规划方法难以直接应用于空间硬件。

" 用于运行这些算法的星载计算机，其计算资源通常比地面机器人所用的更为受限，" 论文资深作者马尔科・帕沃内（Marco Pavone）解释道。他补充说，与地面机器人相比，太空环境具有更高的不确定性，同时对安全性提出了更严格的要求。

为应对这一挑战，研究团队构建了一套基于序列凸规划（sequential convex programming）的优化系统，用于生成安全且可行的路径。然而，若每次均从零开始求解，将耗费大量计算时间，拖慢整体响应速度。

为此，团队利用数千个历史路径解决方案训练了一个机器学习模型。该模型可提供一个 " 热启动 "（warm start），即在优化前给出一个基于经验的初始猜测。虽然所有安全约束条件依然严格保留，但人工智能显著加速了整个规划过程。

班纳吉将此方法类比为：在规划城市间路线时，不是简单地画一条理论上的直线，而是优先参考人们常用的通行路径。" 你从一个有经验依据的起点出发，再在此基础上进行优化，" 她说。

在部署至国际空间站之前，该系统已在 NASA 艾姆斯研究中心（Ames Research Center）的微重力模拟浮空机器人平台上完成地面测试。当实验正式在空间站展开时，宇航员仅负责初始设置与收尾工作，随后便退出操作流程。地面团队则通过 NASA 约翰逊航天中心（Johnson Space Center）远程发送指令。

研究团队共测试了 18 条飞行轨迹，每条轨迹分别以标准 " 冷启动 " 方式和 AI 驱动的 " 热启动 " 方式各执行一次。结果明确显示：" 在更具挑战性的场景下，我们的方法速度提升了 50% 至 60%，" 班纳吉表示。这些挑战场景包括狭小空间穿行以及需要复杂旋转动作的机动操作。

为未来任务做准备

目前，NASA 已将该系统评定为技术就绪等级（Technology Readiness Level, TRL）5 级，表明其已在真实运行环境中得到验证，从而降低了未来任务提案与实验的技术风险。

展望未来，班纳吉强调，随着太空任务不断拓展，自主性将变得至关重要。" 当机器人飞得离地球越来越远，且任务频率更高、成本更低时，我们不可能始终依靠地面遥操作来控制它们，" 她说。

帕沃内团队计划进一步推进该技术，采用更强大的人工智能模型 —— 类似于当前驱动大语言模型和自动驾驶系统的核心架构，以提升机器人在深空环境中的自主决策能力。