行业研究公司研究宏观策略财报招股书会议纪要 Token 低空经济十五五 AIGC 大模型

太空边缘的AI

国防军工 2025-06-24 美国安全与新兴技术中心还是郁闷闷啊

核心观点

美国太空部队面临着近邻对手日益增长的威胁，需要增强太空控制能力。人工智能 (AI) 可以增强太空领域意识 (SDA) 和轨道作战功能，以帮助避免轨道上的作战意外。

关键数据

2024 年，轨道上的活跃卫星数量超过 10,000 颗，其中超过 60% 属于 SpaceX 的 Starlink 星座。
2020 年至 2023 年间，卫星近距离相遇事件增加了 250%。
美国太空部队目前跟踪和维护超过 47,000 个太空物体，并通过非机密太空物体目录与世界各国共享这些关键数据。

研究结论

AI 可以帮助美国太空部队避免轨道作战中的作战意外。
AI 可以增强 SDA 和轨道作战能力，从而加速战术决策、提高卫星生存能力和增加轨道响应能力。
建议美国太空部队立即采用一些成熟的 SDA 模型，并采购可升级的卫星系统，以提供足够的 onboard 计算。
建议制定政策考虑因素，例如定义轨道自主权的边界，并建立严格的测试和评估协议，以确保透明和可审计的 AI。

SDA 任务领域

SDA 的定义和重要性： SDA 涉及有效识别、表征和理解任何可能影响太空作战和美国家太空企业安全的因素。它包括检测、跟踪、识别驻留空间物体、表征、威胁警告和评估以及数据集成和利用等子学科。
SDA 的挑战：卫星发射速度的加快和 SDA 架构的老化给美国太空部队带来了越来越大的压力。传感器覆盖范围不完整和任务和调度冲突导致无法实现完全的全球覆盖。
AI 增强方法： AI 可以通过以下方式增强 SDA：
- 目录维护和未关联轨道：使用基于规则的专家系统和神经网络加速将未知物体与已知轨道关联。
- 轨道确定：使用轻量级神经网络将预测卫星未来位置所需的时间从几小时缩短到几秒钟。
- 接近评估：使用两个神经网络首先将数千个物体对缩小到最有可能碰撞的少数几个对，然后快速为每个配对分配风险分数。
- 传感器任务、调度和优先级排序：使用 AI 代理或混合模型优化任务，以奖励成功检测太空物体，同时平衡受约束的传感器限制。
- 数据收集和集成：使用神经网络（尤其是那些擅长处理缺失或噪声数据的神经网络）来协调来自各种不同传感器的不同类型的数据。
剩余的挑战：需要更多的工作来解释模型背后的逻辑，例如嵌入局部可解释模型无关解释 (LIME)。
建议：
- 部署成熟的 AI 工具，例如用于实时轨道确定和接近评估的轻量级神经网络。
- 确保新系统具有开放接口、模块化硬件和软件组件以及充足的计算能力。
- 通过研讨会、在岗培训计划和管理变革举措来改变操作员文化。

轨道作战任务领域

RPO 的定义和重要性： RPO 涉及对其他卫星进行机动。Rendezvous 指的是将两个独立的卫星对准到相同的轨道平面、形状和大小。接近操作涉及将它们聚集在一起以执行诸如保持轨道、编队飞行、检查或对接等操作。
RPO 的挑战： RPO 的操作仍然非常复杂，通常需要熟练的操作员和主题专家来执行。操作员必须首先为成功的 RPO 设置有利条件，通过评估两个航天器的状态（“攻击者”和“目标”）来确定目标是否合作或非合作。
AI 增强方法： AI 可以通过以下方式增强轨道作战：
- 物体和运动检测： onboard 计算机视觉神经网络可以实时处理图像，以检测、分类和跟踪感兴趣的物体或目标。
- 自主制导、导航和控制 (GNC)： AI 驱动的预测算法可以自主开发和执行卫星机动、轨道维护和碰撞避免。
- 数据过滤和优先级排序：预测算法与数据过滤方法相结合，可以优先考虑关键数据，以提高运营效率，并减少电磁环境退化环境中的延迟。
- 自主总线子系统管理： AI 代理可以管理卫星总线子系统，通过优化功率、热控制和姿态控制来检测和响应故障或异常情况。
- 动态通信管理：神经网络和 AI 代理可以通过动态分配带宽或切换频率来快速解决链路故障并确保可靠的数据传输，而无需人工干预。
- 自主有效载荷调度和优先级排序： onboard AI 代理可以根据可用遥测、功率水平和任务目标来调度和优先排序有效载荷操作。
剩余的挑战：需要更多的研究来增强卫星的弹性和确保任务连续性。
建议：
- 明确定义轨道自主权的可接受边界。
- 制定详细的技术性能标准。
- 实施全面的空间特定测试和评估 (TEVV) 流程。
- 制定针对硬件和软件的明确 AI 购买指南。