飞往小行星，成功着陆，且不出任何差错——如果事情真有这么简单就好了。

当NASA派遣航天器探索太阳系时，通常会设计冗余系统和自动化功能。但大部分操作仍由地球上的飞行控制团队完成。以2018年与小行星会合的OSIRIS-REx任务为例，每个八小时班次就有100名操作员参与。

然而，像这样的资源对初创企业来说难以承受。因此，致力于开发小行星采矿技术的AstroForge选择依靠人工智能。该公司自主研发了一套名为“Solo”的航天器自主控制系统，这是一种基于Transformer模型的内部开发技术。

AstroForge计划于2027年搭载首个自主航天器，搭乘Stoke Space的首枚火箭发射。该任务获得NASA支持，预计将收集有关太阳的科学数据。

这将是一项重大成就：目前大多数航天器的自主控制依赖传统控制算法，主要是因为神经网络的可靠性尚存疑虑。事实上，利用神经网络控制卫星轨道定位的首次尝试仅发生在去年。

AstroForge成立于2022年，获得了5600万美元的风险投资，已发射两艘原型航天器，但均因异常情况未能完成大部分任务目标。2025年，其Odin航天器被发射至深空，但公司在与其通信方面遇到困难。地球上可用于与数十万英里外航天器通信的大型天线数量有限，且通信窗口时间非常短暂。

最终，AstroForge未能重新获得对Odin的控制权，但这次经历促使公司考虑新的方案：是否可以让航天器自身具备足够的智能来解决问题？

“如果航天器上有所有数据，是否能恢复控制？我不知道，但我可以肯定的是，航天器上没有任何系统尝试过，我希望未来能有系统在航天器无法恢复时尝试解决问题。”AstroForge联合创始人兼CEO Matthew Gialich说道。

“对我来说的权衡是：是花约2亿美元建造自己的地面网络，布置五个全球天线并进行运营，还是尝试用一个模型来替代？”

AstroForge的飞行软件负责人Armand Awad表示，公司决定利用前沿实验室推动的Transformer模型进展，打造了一套包括传统控制算法、针对特定子系统（如电力生成或导航）训练的模型，以及基于航天器约2500个传感器数据训练的整体智能层的控制堆栈。

“我并不是要打造通用的航天器自主系统或全球通用的自主系统，”Gialich说，“我做的是一种受限的自主系统，基于非常有限的传感器输入，遵循Transformer模型的基本训练。”

理论上，控制航天器的智能体将执行诸如异常解决等任务。Awad设想它能意识到自己失去了空间定位，关联电力异常与星跟踪器问题，并自行修复——“可能就是简单地关闭再开启设备。”

公司的第三艘航天器DeepSpace-2计划与Intuitive Machines的第三次月球任务一同发射，预计于2026年底前进入太空。Solo系统将搭载于该航天器，以“影子模式”运行，供AstroForge工程师在Autonomy-1任务前进行测试。

那么，这真的是一个由AI独立操控的航天器吗？

“我不打算在Autonomy-1任务中使用能接收地球信号的无线电，”Gialich说，“我们现在必须全力以赴。到发射时，团队可能会说服我改变主意，但目前我告诉他们不装无线电。”