智能空间系统发展研究

王 丹，董 方，汪路元，王耀兵，潘 腾

北京空间飞行器总体设计部,北京 100094

0 引 言

智能化、网络化是未来空间系统的发展趋势.美、欧等国家和地区密集发布了多项战略规划，将智能技术视为重塑航天体系、带动技术革新、实现跨越、牵引新产业发展的战略性、基础性核心关键技术.美国下一代太空体系架构高度重视以人工智能为核心的先进技术与航天领域融合，我国航天技术与其差距存在进一步拉大的风险.国务院新闻办公室发表的《2016中国的航天》白皮书中明确加快推进工业化与信息化的深度融合，实现航天工业能力向数字化、网络化、智能化转型.表明我国正在加速智能空间系统建设，提升航天装备综合能力.

目前，国内外对于智能空间系统概念尚无统一定义，但 “自动化、自主化和智能化”是航天器技术发展的主体脉络，已成为业内共识[1].2006年，美国航空航天学会(AIAA)下属的空间操作与支持技术委员会(SOSTC)对当时航天器自主性及智能性的工业水平进行了调研和分析，将其分为6个等级[2]，从低到高分别为手工操作、自动通知、有人地面智能推理、无人地面智能推理、在轨智能推理和自主思考航天器.我国杨嘉墀院士也早在1995年发表的《中国空间计划中智能自主控制技术的发展》[3]一文中论述了自主系统的内涵：“自主或半自主运行就是指系统的控制回路中完全或部分没有人参与；高度自主系统就是长期能够在不确定环境且无外界干预条件下运行的系统；更高级的自主系统具有智能和学习基本要素，能够适应更大范围的不可预见的环境变化”.

结合国内外航天界对空间智能技术的研究描述与共识，本文定义智能空间系统为由空间智能航天器、地面智能管控中心和智能用户终端组成，如图1所示，具有自主感知、预测、决策、协作能力的天地一体化智能系统.空间智能航天器具备极强的智能自主执行能力、自我管理能力、自学习能力；地面智能管控中心具备强大的计算能力，负责大规模数据处理任务和智能信息处理模型的训练任务；智能用户终端可提供智能人机接口，支持用户通过文本、语音、手势等提出任务需求或操控指令.

图2为空间智能航天器的构想，其基本组成包括智能处理器、多个传感器、智能算法和模型及支持其运行的硬件组成.星上资源受限的条件下，大量数据处理和模型训练由地面完成；随着星上资源的丰富，星上将具备更强的智能处理和学习能力.

图1 智能空间系统组成Fig.1 Composition of Intelligent Space Systems

图2 空间智能航天器构想Fig.2 Composition of Intelligent Spacecraft

目前航天器的总体技术水平已基本实现了自动化.但是，基于“天地大回路”的运行管理模式严重依赖地面站，从用户需求提出、地面规划、指令上传，到卫星任务执行、数据下传、地面信息提取等，任务时延为小时级，难以适应强实时性、高安全可靠性等信息保障需求[4].而实现具备智能信息处理、自主任务规划、智能信息互联技术，提高空间智能系统智能化，是解决这些问题的有效途径.

智能信息处理通过目标检测、目标识别、态势感知等技术，使卫星系统具备态势自主感知能力，极大提高用户信息获取的时效性.自主任务规划包括敏捷遥感卫星的智能任务规划、多航天器的智能组织与协同规划、机器人对空间操作任务的自主规划和深空探测器的自主路径规划等任务.基于智能信息互联技术，可将多个卫星智能体连结成具备高度自适应能力和抗损毁能力的天地体系协同网络，保障作战条件下的信息联通.本文针对智能空间系统的空间段，即空间智能航天器，围绕智能信息处理、自主任务规划、智能信息互联3个方向开展深入调研，梳理各个方向的难题和关键技术，分析未来的技术发展趋势.

1 国外智能空间系统发展情况

美国在人工智能研究方面一直处于世界最前沿，美国在2016年《国家人工智能研究与发展战略规划》中已将发展人工智能定为国家战略；2019年2月美国国防部颁布的《国防部人工智能战略概要》中明确由联合人工智能中心(JAIC)牵头，利用人工智能促进国家安全与繁荣；并在同年3月美国国防部成立了太空发展局(SDA)，提出“国防太空体系”(NDSA)七层架构，期望建立分布式和人工智能支撑的作战管理能力.除此之外，欧盟、德国、法国、英国、日本、加拿大、俄罗斯等政府及国防部门，也先后出台了人工智能的发展战略.

1.1 国外智能信息处理发展情况

国外星上智能信心处理应用情况如表1所示.早在2009年，美国发射的“战术卫星-3”(TacSat-3)[7]就曾搭载“先进快速响应战术军用成像光谱仪”(ARTEMIS)，基于星上高光谱图像处理技术，具备星上目标自动识别能力，向作战用户或便携式终端发送目标信息.2018年，欧洲航天局(ESA)提出发展一颗装有人工智能处理器的对地观测卫星，该卫星通过这款处理器可自行研判成像目标以及向地面传送的数据内容.通过在轨智能处理技术，直接将有效信息从星上发送给作战用户，缩短了军事应用中“从传感器到射手”的信息获取时间.

2016年5月，NASA为好奇号火星探测器安装了一套器载智能软件AEGIS，能够从导航相机图像中识别出科学目标，并立即对其进行测量，全程无需经过与地球的往返通信.AEGIS的自主性已被迅速采纳为科学家的探索工具，并影响了好奇号探测任务规划.2020年，洛克希德马丁公司发射首颗智能卫星，搭载名为Pony Express 1的有效载荷，具备强大的天基计算和在轨数据分析能力，并提供较强的弹性和灵活性.

总体来说，在智能信息处理技术方面，国外空间智能航天器实现了一些成熟地面算法的移植应用，其主要目的是通过星上数据处理，对各种背景下的图像中的目标提取与识别，仅保留提取的有效信息，减少对传输带宽的占用，提高图像的下传速度.

表1 国外星上智能信息处理应用动态Tab.1 Application of on-board intelligent information processing abroad

1.2 国外自主任务规划发展情况

自主任务规划方面，星上开展了一些具有简单规划、决策算法的自主任务规划管理的技术试验.美国在2000年发射EO-1卫星上装载了自主规划程序包，实现了卫星自主规划能力[8-9].EO-1卫星的“行为规划、调度、执行和重规划”(CASPER)程序基于星上科学分析模块的数据产生任务规划，可根据对载荷的初步判断，再次回到灾害点的时候能主动进行拍摄.2009年升空的TacSat-3的运载管理试验中对自动推理系统进行了研究.为了提升目标识别能力，验证基于统计原理的目标识别算法，NASA于2013年发射“智能有效载荷实验”(IPEX)技术试验卫星，提升NASA地球科学十年调查任务中的HyspIRI卫星的智能有效载荷模块(IPM)的技术成熟度，并提升未来地球观测任务相关的近实时、低时延自主产品生成所需的技术水平.IPEX于2013年12月6日发射，并于2015年1月30日停止运行.

2018年，日本隼鸟2 号探测器实现了基于地形识别的小行星全自主着陆[10].欧空局为“罗赛塔”号彗星探测器开发了星际轨迹规划器，利用蒙特卡洛树搜索策略，最终得到多个目标彗星的最优掠飞和环绕轨迹[11].美国早在1999年在“深空1号”(DeepSpace 1，DS-1)实现了部分自主技术，包括自主导航技术、自主远程决策技术、自主软件测试技术和自动代码生成技术[12]，完成了穿越小行星、火星以及彗星探测任务.后在此基础上研究星座协同自主任务规划进行了研究，提出了集中协调式规划策略、多智能体协作模型 以及基于效用的后悔博弈等分布式协商策略[13-15].

在自主任务规划方面，国外已开展了一些具有简单规划、决策算法的在轨技术试验，目前仍处于摸索阶段，并不能替代地面的统一集中式任务规划过程.地面统一式的任务规划和多星分布式的自主任务规划这两种模式的发展前景并未明朗.面向星上资源能力的精细化自主任务规划管理，是未来技术发展的一个热点.

1.3 国外智能信息互联发展情况

截至2022年7月，SpaceX主导建设的“星链”系统，已发射超过2750颗卫星，未来将达到42000颗低轨卫星，为全球提供高速宽带服务，为多星任务协同规划和执行奠定了网络基础.早在2006年，美国就基于TechSat21演示编队飞行及在轨自主性技术.2018年开启了“黑杰克”项目，通过开发名为“赌台官”(pit boss)星上处理器试验验证星载计算机和处理系统，实现对低轨大规模星座的协同管理.2019年，美太空发展局(SDA)提出“国防太空体系”(NDSA)七层架构，利用由数百颗卫星组成的低轨大规模星座构建下一代天基信息网络体系.星链、黑杰克将是其跟踪层、作战管理层的重要基础，通过指挥控制、任务分配、任务处理和分发提供自动化天基作战管理能力，以支持战役规模的时敏杀伤链闭合，为作战人员应对各种新兴威胁提供保障.2020年起，洛马公司陆续发射卫星验证SmartSat技术，目前已通过搭载载荷，验证天基计算和网络通信技术.

美军空间信息系统经历了“单星系统-天星地网-S&C4ISR集成”的“螺旋式”发展.空间系统当前已实现统一、综合的体系化发展，并采用“天星地网”实现互接、互访和信息综合；后续将逐步推进S&C4ISR系统建设以及向GIG(全球信息栅格)的不断集成，实现空间系统与美军作战信息系统的无缝对接和有机融合，为多星资源的调度、多源信息的连接、融合奠定了物理基础.

2 国内空间系统智能化发展情况

我国智能空间系统的发展尚在起步阶段，智能技术主要体现于智能信息处理、自主任务规划、智能信息互联等方面.

2017年7月，国务院印发了《新一代人工智能发展规划》，提出构建自主无人系统智能技术体系和支撑平台，从国家层面对人工智能进行系统布局，部署构筑我国人工智能发展的先发优，明确指出新一代人工智能发展分三步走的战略目标，到2030年使中国人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心.自2015年国务院发布的《中国制造2025》到2019年3月国务院政府工作报告将人工智能升级为“智能+”，我国政府持续关注、高度重视人工智能的发展，将人工智能上升为国家战略.

2.1 国内智能信息处理发展情况

2000年发射的“航天清华一号”微小卫星实现了一套星上图像处理系统，采用了云检测技术；2009年某卫星搭载海洋目标检测处理装置，其舰船检测率大于90%，可实时处理，将原始数据率从1 Gb/s缩减为12 Mb/s左右；2019年发射的吉林一号光谱01、02和03星，应用深度学习等人工智能技术，具备森林火点和海面船舶的自动识别、搜寻和定位功能.此外，空间基础设施某卫星配置了实时数据处理设备，能够在轨完成高分辨率原始图像的辐射校正、云判、区域提取、区域拼接、几何校正等处理功能，生成图像产品，快速将图像产品分发给用户使用.此外，面向智能信息处理的芯片研发方面，目前市场已推出面向地面推理的高能效、低时延人工智能芯片，如英伟达Tesla P系列GPU芯片、赛灵思和英特尔主导的FPGA芯片、赛灵思FPGA架构的新型多核异构计算平台ACAP等，但尚未形成具备长期在轨应用能力的宇航级芯片产品.

总体上看，航天器具备良好的测量、定标、数据获取等能力，已经开展了海洋目标检测和识别、光学遥感卫星的云检测等处理技术的在轨验证，正在开展面向可见光、红外、SAR图像的多源信息特征级融合处理技术的预先研究，但缺乏对于在轨数据的感知、认知能力.

2.2 国内自主任务规划发展情况

“嫦娥三号”和“嫦娥四号”[16-17]探测器采用主被动光学敏感器(激光雷达和光学相机)实现了自主障碍检测与规避(hazard detection and avoidance,HDA)操作[18-19].在距离月面2.4 km时，利用光学相机对月面拍照获得大范围月面灰度图，根据图像中的纹理、灰度及明暗信息识别并提取岩石、陨石坑等特征以获得粗糙的障碍物分布图，之后根据探测器的机动能力等因素综合确定安全着陆区；在距离月面90～100 m时，探测器悬停并利用激光雷达获取精确的月面高程信息，根据高程信息识别障碍并确定安全着陆点.“嫦娥三号”、“嫦娥四号”任务中的“玉兔”月球车可以自主实现移动前及移动过程中的导航定姿定位、环境感知、避障规划、紧急避障、运动协调控制和安全监测等，确保巡视器按照地面指令要求安全行驶到目标点[20-21].

“北京”三号卫星于2021 年 6 月 11 日成功发射，标志着我国具备智能化、敏捷成像、动中成像等第二代敏捷卫星的在轨正式运行.该卫星采用最新研发的CAST3000E卫星公用平台，突破“三超”(即超高敏捷、超高稳像、超高精度成像)和“三智”(即智能复核控制、智能自主规划、智能图像处理)为特征的新一代敏捷卫星平台技相关术，实现以高分辨率光学成像对地观测应用为主要目标开展平台研究和设计.该平台支持多模式(敏捷成像和动中成像)成像任务，实现多斜条带拼接、多视立体成像、对地动态监视成像、沿曲线轨迹成像等复杂光学成像任务，成像效能和成像质量大幅提升，使我国敏捷卫星技术水平达到国际领先水平.

在任务规划方面，我国卫星地面智能任务规划技术已经比较成熟[22-25]，并且在卫星用户单位得到了长期应用.国内当前在轨卫星的侦察、运行、测控、管理都是以人为主导进行，采用地面制定指令计划、上传执行的运管方案[26]，在轨飞行过程与任务过程对地面运控的依赖程度极高.与未来卫星任务规模的爆炸式发展需求相比，我们在卫星自主任务规划的基础研究、工程应用实现方面还有很大差距;当前航天器仅具备基础的“元任务”解析、指令编排与执行等功能，尚不具备较为高级的自主规划能力[27-29].

2.3 国内智能信息互联发展情况

我国天基信息网、互联网、移动通信网发展很不平衡，呈现“天弱地强”的特征.各卫星系统独自建设，条块分割十分明显，卫星数量严重不足，卫星类型比较单一.更为突出的是，卫星没有实现空间组网，无法发挥天基信息系统的网络化综合效能.目前天基网络缺乏统一规划和设计，尚未实现一体化的组网优势，没有形成支持信息化联合运用的体系服务能力.

北斗全球系统是我国天基时空基准网络的核心.北斗三号是我国建成的最大星座系统，已向全球用户提供全天候、全天时、高精度定位、导航和授时服务.北斗三号采用星间链路技术，设计合理的网络协议和任务规划，实现导航星座的自主运行管理，并保证导航星座星间链路长寿命、高可靠、高精度测量[30].在地面站不支持的情况下，北斗全球导航卫星系统具备60天自主导航服务能力.

但是，北斗三号信息系统不能支撑星座网络灵活管控的应用需求，其网络管控只能采用全静态管理模式，完全依赖地面指令上注.在“一星一管”的管控模式下，运行效率受限，仍存在无故障适应能力，无法满足应急/突发传输任务，不支持随遇接入等问题.

3 智能空间系统关键技术发展趋势

3.1 智能信息处理技术的发展趋势

航天器在轨数据多数下传至地面处理，无法满足应急减灾或作战应用等高时效性需求.通过星上智能信息处理能力的提升，能够极大缩短系统回路，降低系统时延，提高信息提取的准确度，提高天基系统应用效能.目前少数卫星成功实现在轨灾情监测、海上目标检测、提取与定位，但其检测准确度不高，不足以支持实际应用；红外、光谱、雷达等在轨智能信息处理技术仍处于研究阶段.未来的在轨信息处理系统需完成对在轨载荷数据、测控数据的信息提取，具备环境自主感知、智能目标发现、类型识别、目标跟踪等能力.

智能信息处理主要面临的科学问题包括：1)多视角场景的多目标对齐问题：复杂战场环境下，由于载荷、轨道、卫星不同，得到同一目标不同视角的数据存在形状、表观差异大的问题，从而导致信息处理的精度下降；2)小样本问题：通过传感器获得的载荷、状态等数据量大，但针对于特定目标、时空的有效样本却有限，属于小样本数据，难以从中学习精确的模型；3)星上计算、存储资源严重受限，常规复杂、先进的智能化算法需耗费大量资源，必须解决算法轻量化问题.此外，受卫星规模和时空关系制约，中、低轨道航天器特定时间内对单一区域目标侦察的可用资源非常有限，必须通过星座、集群航天器的智能化协同与规划满足任务需求.为解决这些问题，在后续研究中需重点开展有限样本数据的智能自动归纳、信息抽取、知识推理研究；开展有限资源条件下的轻型化深度学习网络模型研究、开展基于迁移学习的模型共用、深度学习网络模型的轻型化、多源异构数据的关联与情报生成等关键技术攻关.

3.2 自主任务规划技术的发展趋势

由于航天飞行任务过程复杂、测控资源紧张且对可靠性和安全性要求高，任务规划的合理性是航天任务能否圆满完成的重要影响因素[31].目前航天器的运行管理模式严重依赖地面站，从用户需求提出到卫星任务执行时延太长，难以适应强实时信息保障需求[32-33].未来智能航天器将具备针对关注点的最优自主轨迹规划能力，星上自主实现静目标凝视、动目标主动跟踪等任务决策；具备多航天器的智能组织与协同规划能力，实现多星在轨智能组织和自主任务协同，完成有序分工和协同工作.以智能探测机器人为例，系统将通过自主路径规划，降低机器人自主操作难度、规避探测体表面极端地形条件的影响.

自主任务规划面临的科学问题包括：1)随着卫星任务规划调度问题规模的增大，其解空间爆炸式扩张，求解异常困难；2)任务规划的动态调整可能引起资源冲突，需充分考虑资源约束和原有规划任务的资源利用情况；3)航天器需根据感知信息的变化，高动态、强实时的进行任务决策，必须解决智能化任务规划技术的快速计算问题.为进一步提升自主任务规划的准确性和自主性，在后续研究中还需要重点攻关复杂边界条件下多目标跟踪的动态任务规划、多任务冲突快速消解与智能优化技术等关键技术.

3.3 智能信息互联技术的发展趋势

目前空间系统节点尚未实现互联互通，不利于资源的灵活调度和协同运用.未来智能空间系统支持天地一体化智能信息互联.用户可以实时获取所需要的信息，多个航天器间可以进行协同工作.例如：高轨普查卫星可以通过星间网络为低轨详查卫星提供目标指引，实现协同[34].此外，未来智能空间系统将拥有巨量的传感器和通信资源，需具备对天基网络节点、计算节点以及路由的高效管控能力，具备高度自适应性和抗损毁性的智能信息互联能力，保障灵活组网、信息联通；并以此为基础，实现将通信、导航、遥感等天基节点融合组网，即时配置卫星资源，应对动态变化.

智能信息互联面临的科学问题包括：1)链路带宽动态变化、带宽差异大的问题；2)空间链路距离范围大、长延时、间歇性强会造成无法常连接的问题；3)网络节点及链路损毁下的自修复问题；4)星内星间资源难以网络共享的问题.未解决以上问题，需深入研究的关键技术包括：1)面向天基网络特征的智能路由技术；2)节点动态接入管理技术；3)适应动态链路的网络拓扑动态调整技术；4)网络拥塞管理及故障自恢复机制；5)基于异步消息传输的信息共享机制.

4 结束语

本文从智能信息处理、自主任务规划以及智能信息互联3个方向对智能空间系统进行了深入研究.通过对国内外发展情况进行调研，结合智能空间系统相关技术的发展现状，分析存在的科学问题，凝练出智能空间系统关键技术的发展趋势.

经过近半个世纪的发展，各国智能空间系统都已逐步实现了不同程度的自主控制，并还在加快空间智能技术的研究步伐.目前，我国已在吉林一号、天智一号上通过深度学习等人工智能技术初步验证了智能数据处理能力.在未来，我国应当大力发展快速、准确地星上智能技术，并尽快在智能空间系统中推广应用，同时应加速应用转化，可考虑以产学研结合的方式，促成航天工业部门与国内技术优势院校单位战略合作，在基础算法研究、硬件产品开发、成熟算法工程化方面做好取舍和合理安排，尽快上型号、实际应用.