飞往小行星，在其表面着陆，且不能犯任何错误：如果事情真能如此简单就好了。

当美国国家航空航天局（NASA）向太阳系发射探测器时，会内置冗余系统和自动化功能。但大部分工作仍由地面飞行控制团队通过通信链路操控航天器完成。2018年与小行星会合的“OSIRIS-REx”任务，每个八小时班次都配备了100名操作员。

然而，初创企业无法获得如此庞大的资源，因此正在开发小行星采矿技术的AstroForge公司转向了人工智能。该公司自主研发了一套名为“Solo”的自主控制栈，这是一个基于Transformer架构的模型。

AstroForge计划于2027年发射其首艘自主航天器，搭载Stock Space公司发射的首枚火箭。该任务将由NASA支持，预计将收集有关太阳的科学数据。

这将是一项成就：由于对神经网络可靠性的担忧，大多数航天器的自主性仍依赖于传统控制算法。去年，神经网络才首次被用于控制卫星在轨定位。

AstroForge成立于2022年，已获得5600万美元的风险投资。该公司已发射两艘原型航天器，但均因出现异常而无法实现大部分任务目标。2025年，其“Odin”号航天器被发射至深空，但公司难以与其保持通信。地球上能够向数十万英里外的航天器发射信号的大型天线数量有限，且可用的通信时间窗口非常短暂。

最终，AstroForge未能重新控制“Odin”号，但这一经历促使公司考虑替代方案：能否在航天器上部署足够的智能，使其能够自行解决问题？

“如果航天器上的所有数据都完好，这种情况能恢复吗？我不知道，但我可以告诉你，船上没有任何东西尝试过，如果航天器在发射时无法恢复，我很希望船上有东西能试一试，”AstroForge联合创始人兼首席执行官马修·贾利奇说。

“对我来说，权衡是：我是去建自己的地面网络——在全球架设五台天线并运营，大约要花2亿美元——还是尝试用模型来替代它？”AstroForge飞行软件负责人阿曼德·阿瓦德说，公司决定利用前沿实验室推动的Transformer模型进展。它构建了一套技术栈，包括传统控制算法、针对发电或导航等特定子系统用测试数据训练的模型，以及一个基于航天器约2500个传感器训练的总体智能层。

“我不是说我要实现通用航天器自主，或为全世界实现通用自主，”贾利奇说。“我做的是在极低传感器输入下的受限自主，遵循Transformer模型的基本训练方式。”

理论上，控制航天器的智能体将执行异常处置等任务。阿瓦德设想它会意识到自己已失去在太空中的位置，将电源异常与星敏感器的问题关联起来，并修复整个问题——“在这种情况下，大概就是把它关掉再打开。”该公司的第三艘飞行器DeepSpace-2目前计划与Intuitive Machines的第三次月球任务一同发射，预计将在2026年底前升空。Solo将搭载在该飞行器上，以“影子模式”飞行，以便AstroForge的工程师在Autonomy-1任务前对它进行全面测试。

这真的会是一个由人工智能控制的、能够独立运行的宇宙飞船吗？“我并不打算在‘Autonomy-1’号飞船上安装能够接收来自地球信号的无线电设备，”Gialich说道。“我们现在必须全力以赴；等到实际发射时，团队可能会说服我改变这个决定。但就目前而言，我的决定是：不要安装任何无线电设备。”