NASA 推动深空探索的 6 大 AI 项目

为研究地球与探索深空，NASA 充分利用人工智能（AI）前沿进展。喷气推进实验室（JPL）AI 组在智能规划与调度、科学分析、深空网络运行、航天器指令及空间运输系统等领域开展基础研究。本文梳理 JPL 正在推进的 6 个核心项目，多聚焦于规划技术、航天器自主性与漫游车自主性。

6. ASPEN：自动化调度与规划环境

ASPEN 是一个模块化、可重构的框架，支持多种规划与调度应用。框架集成了时序推理、资源管理、表达性建模语言及图形界面等核心组件，广泛应用于任务设计规划、航天器运行、火星车表面规划、多车协同规划等场景。

作为地面系统，ASPEN 依据内部航天器模型与高层目标生成执行指令；作为飞行系统，它持续接收漫游车状态更新并动态修正计划；作为天线调度系统，可自主控制深空网（DSN）站。其底层基于启发式搜索、迭代修复与时序推理，架构通用，便于接入不同传播算法与搜索引擎，用户可快速交互式重规划。未来将整合修复规划与执行。

5. MISUS：多漫游车综合科学理解系统

MISUS 旨在开发控制多漫游车开展行星探索的技术，架构包含三大核心：

• 数据分析： 分布式机器学习系统，通过无监督聚类建模漫游车观测到的岩石类型分布，指引传感持续优化行星场景认知。
• 规划： 分布式规划系统，依据科学目标生成作业计划。中央规划器将目标分配给各漫游车，每车配备独立分布式规划器。
• 环境模拟器： 多漫游车模拟器，建模地质环境与科学作业，追踪作业记录并反映科学仪器观测。

系统形成闭环：数据经聚类算法整合为全局模型并广播；聚类输出经优先级算法生成新观测目标；中央规划器高效分配目标；各车规划器生成具体动作序列送入模拟器执行，收集信息反馈至聚类器，循环直至岩石类型聚类清晰。

4. 分布式航天器协同

项目致力于以任务目标而非逐条指令序列控制航天器星座。研究推进高精度、实时的编队飞行建模与仿真能力。HYDRA（分层分布式可重构架构）可跨异构平台无缝部署仿真模块，自动化模块间通信，已成功集成至 FAST（编队算法与仿真测试床），服务于类地行星探测器计划。目标是构建鲁棒高效的全局优化算法，解决编队制导、估计、控制与决策问题，包括分布式估计、资源分配、编队保持、燃料最优重构路径规划与模式指令。

3. CASPER：持续活动调度规划执行与重规划

传统批处理规划模型存在计算量大、依赖预测模型等短板。CASPER 引入连续规划技术：维护当前目标集、状态与预期模型，随时接收增量状态更新（从时间推进到突发事件），持续修正计划以适应实况。采用迭代修复方法，逐步解决冲突并传播修正效果。已应用于行星漫游车运行、新千年地球轨道 1 号、公民探索者、高复用空间运输、分布式漫游车、改进南极测绘任务等。

2. 火山传感网

项目构建由互联网与软件连接的传感器网络，实现自主卫星观测响应。模块化灵活架构便于扩展传感器、定制触发场景与响应。目前已用于全球火山监测，并测试应用于冰冻圈、洪水与大气现象研究。

利用 MODIS 等低分辨率广覆盖传感器触发高分辨率设备观测，或提高观测频次增强时间分辨率。现监测全球 50 座最活跃火山，并同步开展山火、洪水、冰冻圈事件监测实验。

1. ASE：自主科学飞行器实验

2000 年前的 NASA 航天器无法依据在轨数据自主决策。自 2003 年起，ASE 在地球观测 1 号任务上运行，结合连续规划、机载模式识别与机器学习大幅提升效率。ASE 能自主识别、检查并响应事件，仅下链最高价值数据。

核心模块包括：机载科学算法分析影像检测触发条件；鲁棒执行管理软件支持事件驱动处理与低层自主；CASPER 软件重规划下链等关键活动。ASE 为地球科学、空间物理与行星科学开辟新机遇：减少异常停机、缩短设备配置时间、显著提升固定下链带宽下的科学产出。

工作流：ASE 预设科学目标，CASPER 生成周期监测计划（使用 Hyperion 仪器），机载算法分析影像并决定下链；若无事件则指令规划器获取次优先级目标；SCL 软件结合自主要素执行计划，循环往复。