AstroForge 將由 AI 掌管其下一艘太空船

重點

AstroForge 正在開發一個名為 Solo 的機上自主控制堆疊，這是一種基於 transformer 的模型，旨在在沒有持續地面干預的情況下管理太空船操作。該新創公司計劃在 2027 年進行一次飛行，將在受 NASA 支持的 Stoke Space 火箭上測試 Solo，並預期收集太陽科學數據。在早期任務異常和通訊挑戰之後，公司選擇在機上嵌入智能，以便就地診斷和修復問題，而不是投資昂貴的全球地面天線網絡。

情緒分析

• 整體情緒：混合但審慎樂觀。文章在對新型 AI 驅動自主性的興奮與對過去失敗和技術風險的冷靜認識之間取得平衡。語氣承認機上智能的潛在好處——減少對昂貴地面基礎設施的依賴並加快異常響應——同時也認識到傳統控制系統通常更成熟且更可靠。敘事強調 AstroForge 在原型飛行出現問題後願意進行實驗和反覆改進，顯示出韌性與學習能力。鑑於審慎的樂觀情緒，其情緒強度為中等。

文章正文

AstroForge 是一家專注於小行星採礦技術的新創公司，正在將人工智慧置於太空船控制的核心。面對傳統任務操作的人員與基礎設施需求高昂——包括飛行控制團隊和全球天線網絡——該公司開發了一個名為 Solo 的機上自主堆疊，建立在 transformer 類神經模型之上。其目的是讓太空船能在不依賴持續地面干預的情況下處理任務並解決異常。

公司朝向機上智能轉變的決定，受早期原型經驗的影響。AstroForge 發射的兩艘小型飛行器遭遇問題，限制了它們的任務；一艘近期的深空載具 Odin 變得難以聯繫。深空通訊依賴少數幾個非常大的地面天線和精確的、限時的通訊窗口。當這些資源稀缺或太空船失去回應時，新創公司面臨艱難抉擇：要麼在地面基礎設施上投資數億美元，要麼追求更聰明、更有能力的太空船。

AstroForge 選擇了後者。Solo 是一個混合控制堆疊，結合了傳統控制算法、針對子系統（如電力、導航等）在測試資料上訓練的專用模型，以及一個在數千個感測器輸入上訓練的整體 transformer 類智慧。公司領導人表示，該系統並非旨在成為可處理每項太空船任務的通用 AI，而是針對可用感測器與任務配置調校的受限自主性。目標很務實：賦予載具能力以關聯感測器讀數、診斷故障並在必要時採取修正行動。

一項被設想的能力是異常處理。例如，機上Agent 可能偵測到姿態知識喪失，將該情況追溯到退化的星敏儀或相關的電力異常，並執行復原序列，例如對單元進行電源循環或切換到冗餘硬體。這類決策通常由地面團隊分析遙測並發送修正指令來處理；將此能力放在機上可以縮短回應時間並在長時間通訊中斷期間提高存活率。

為了在不完全放棄人工監督的情況下驗證 Solo 的飛行表現，AstroForge 計劃採取漸進式測試。公司打算在即將到來的任務中以監控或「影子」模式飛行 Solo，以觀察其在真實條件下的行為。之後，他們目標是在某次任務中讓 Solo 成為主要控制器，甚至計劃在飛行期間限制或省略接收來自地球指令的無線電。領導人承認，這代表一種高風險高回報的做法：成功將證明神經方法可以補充或取代某些傳統自主技術，而失敗則會突顯在安全關鍵的太空系統中依賴學習模型的挑戰。

技術與文化上的障礙仍然存在。太空飛行歷來偏好確定性控制算法，因其可預測性與可驗證性。神經網絡，特別是基於 transformer 的模型，在飛行關鍵控制領域相對較新，並引發了可解釋性、驗證性以及在分佈外情況下的魯棒性等問題。AstroForge 的架構透過將學習到的模型與經驗證的控制邏輯結合，以及在大量感測器數據上進行訓練，來解決部分這些疑慮。即便如此，更廣泛的社群可能仍會密切關注這類系統是否能達到深空任務所要求的可靠性標準。

公司的募資、經驗與合作關係也影響了其策略。AstroForge 成立於 2022 年，獲得創投支持，其雄心與在挫折後採取實際步驟反覆改進的做法吸引了關注。與發射供應商的合作以及來自 NASA 等機構的支持，提供了小型公司否則可能無法獲得的測試機會。這些合作也提供了外部資料點，以判斷機上 AI 在面對真實太空飛行複雜性時的表現如何。

展望未來，成功將為其他小型業者開闢一條道路，使其能在不承擔全球地面網路高昂成本的情況下追求更獨立的任務。它也可能擴大可依賴自適應機上智能來處理不可預見情況的任務範圍。然而，通往那個未來的道路需要嚴格測試、謹慎整合傳統與學習型元件，並透明地報告成功與失敗。 因此，AstroForge 的實驗將成為一個重要的案例研究，用以檢驗當代 AI 架構是否能滿足太空操作嚴苛的可靠性需求。

關鍵見解表