在國際空間站（ISS）的復雜環境中，一款體型小巧如烤面包機的機器人剛剛完成了一項突破性實驗，為未來太空任務的自主化進程注入新動力。斯坦福大學研究團隊開發的一套基于機器學習的控制系統，成功讓立方體形自由飛行機器人“Astrobee”在無需宇航員直接干預的情況下，自主穿越空間站內部布滿設備和儲物架的狹窄通道。這一成果標志著軌道機器人技術邁入新階段，相關研究已在2025年國際空間機器人大會（iSpaRo）上公開發表。
國際空間站內部結構復雜程度遠超地面場景，密集排列的實驗設備、交錯纏繞的線纜以及有限的活動空間，對機器人的路徑規劃能力提出了嚴苛考驗。項目負責人索姆麗塔·班納吉指出，傳統地面機器人的路徑規劃算法無法直接應用于太空環境——星載計算機的計算資源有限，且太空環境的不確定性更高，任何失誤都可能引發嚴重后果。例如，機器人需在狹小空間內完成旋轉、避障等復雜動作，同時確保不碰撞價值數百萬美元的科學設備。
研究團隊為此設計了一套雙層解決方案：首先通過序列凸規劃算法生成理論上安全可行的路徑，再利用機器學習模型提供“熱啟動”優化。該模型基于數千次歷史路徑數據訓練而成，能在規劃初期提供一個經驗性的初始方案，大幅縮短計算時間。班納吉比喻稱：“這類似于規劃跨城路線時，優先參考人們常用的通行路徑，而非從零開始繪制直線?！睂嶒灁祿@示，在18條測試軌跡中，AI驅動的“熱啟動”方式在狹小空間穿行等復雜場景下，規劃速度較傳統“冷啟動”方式提升50%至60%。
地面測試階段，該系統已在NASA艾姆斯研究中心的微重力模擬平臺上完成驗證。正式部署時，宇航員僅需完成初始設置，后續操作全部由地面團隊通過約翰遜航天中心的遠程指令控制。測試覆蓋了空間站內多個典型場景，包括穿越儲物架密集區、繞過實驗設備陣列以及執行高精度旋轉機動。班納吉強調，所有安全約束條件在優化過程中均被嚴格保留，AI的作用僅限于加速規劃流程而非簡化安全標準。
目前，NASA已將該技術評定為技術就緒等級（TRL）5級，意味著其已在真實太空環境中得到充分驗證。這一認證顯著降低了未來任務提案的技術風險，為機器人執行深空探測、空間站維護等任務鋪平了道路。研究團隊下一步計劃引入更先進的人工智能架構，類似當前大語言模型和自動駕駛系統的核心算法，以提升機器人在未知環境中的自主決策能力。項目資深作者馬爾科·帕沃內表示，隨著太空任務向更遠距離、更高頻率發展，減少對地面遙操作的依賴將成為必然趨勢。
該成果的突破性不僅在于技術層面，更在于其重新定義了人機協作模式。傳統太空任務中，機器人通常作為宇航員的輔助工具，而此次實驗證明，機器人已具備獨立執行復雜任務的能力。這種轉變將深刻影響未來太空探索的資源配置——當機器人能夠自主處理80%的常規操作時，宇航員可將更多精力投入科學實驗等核心任務。隨著技術成熟，類似系統或被應用于月球基地建設、火星樣本采集等場景，推動人類太空活動向更深層次邁進。
