9月 30 星期三
9月30星期三
Cropped new logo.webp

等地球回覆,可能已錯過機會:AI在太空做什麼?

字級
AI生成情境示意,火星地表探測車面對岩石地形,標題為等地球回覆,可能已錯過機會,副標AI在太空做什麼。

(媒角抵加/林承志綜合報導)地球傳給火星車的指令,單程可能要走3至22分鐘。等待回覆的時間,讓現場判斷成為深空探索的難題。AI目前已參與火星路線規劃,也在軌道上判讀洪水影像、協助查詢維修文件。IEEE Spectrum近期報導梳理這些應用:部分已有任務示範,部分仍在測試,人類保留審核與操作責任。對台灣讀者而言,較接近生活的用途,是衛星在傳回資料前先辨識災情。

關鍵資訊

  • 通訊限制:地球與火星的相對位置不同,無線電指令單程約需3至22分鐘。
  • 火星探路:毅力號在2025年12月兩次行駛中採用生成式AI規劃的路徑,傳送前經地面驗證。
  • 在軌分析:壓縮版Prithvi模型已用於軌道平台的洪水與雲層辨識示範。
  • 人機分工:規劃路徑、分析影像、查找手冊,各自有不同的操作權限與驗證方式。

指令單程走上數分鐘,地球無法即時遙控火星車

NASA對毅力號通訊流程的說明指出,地球與火星之間的指令傳輸約需3至22分鐘,實際時間隨兩顆行星的位置改變。訊號抵達後,火星車還要執行任務、回傳結果;地面工程師看到的,已是先前發生的事。

更遠的任務可能遇到短暫的觀測機會。曾主管NASA軟體、機器人與模擬部門的Robert Ambrose在IEEE Spectrum訪談中,提出探測器穿越木衛二水汽羽流的設想:如果羽流突然出現,等地球得知、再傳回指令,可能已經來不及調整行動。

這類需求推動研究人員探索更有彈性的自主系統。Ambrose也指出,決策路徑越多,驗證工作越複雜;工程團隊必須考慮機器經過不同狀況後,會如何選擇下一步。

Claude先替毅力號排路線,工程師再檢查砂地與指令

NASA噴射推進實驗室(JPL)在2026年1月30日公布,毅力號於2025年12月8日與10日完成兩次採用生成式AI規劃路徑的行駛,距離分別為210公尺與246公尺。團隊與Anthropic合作,使用Claude模型協助設定沿途的行進目標點。

AI處理的是軌道影像與地形坡度資料,辨識岩塊、沙紋等地形,再產生路徑。NASA表示,工程團隊把行駛指令送進火星車的數位分身,也就是虛擬模擬系統,驗證超過50萬項遙測變數後,才將指令傳往火星。

Anthropic進一步說明,工程師曾依據Claude沒有看到的地面相機影像,細調一段狹窄通道的路線,處理兩側沙紋帶來的風險。車上的AutoNav系統則負責目標點之間的局部避障。地面AI規劃、人工修訂與車載導航,在這次示範中各有工作。

衛星先辨識洪水,影像分析可以在軌道完成

太空AI的另一項工作,發生在資料回到地球之前。

NASA於2026年5月公布,研究團隊把NASA與IBM共同開發的Prithvi地理空間基礎模型壓縮後,部署至澳洲Kanyini衛星,以及國際太空站的IMAGIN-e酬載,測試洪水與雲層偵測。這項應用讓軌道上的電腦先分析影像,再把資料送往地面。

模型的任務是從影像辨認地表特徵。NASA說明,同一套基礎模型可配合不同任務調整;若要增加用途,可以上傳較小的解碼器套件,減少更換整套模型所需的傳輸量。

對關注台灣災害監測的讀者,這提供了觀察衛星服務的新方向:除了拍攝範圍與清晰度,分析在哪裡完成、結果多久送達,也會影響資料能否趕上決策。Prithvi採開源方式提供,但部署到衛星仍涉及機上算力、電力與任務驗證;上述示範平台位於Kanyini與國際太空站。

AI生成概念圖,以三列比較AI與人類在火星探路、在軌影像辨識及太空站文件查詢中的工作,三列代表不同案例。
AI生成概念圖,依本文來源整理:火星路線由地面AI協助規劃,再由工程師檢查修訂;在軌模型辨識洪水與雲層;太空站語言模型檢索文件,維修判斷與執行由人員負責。

太空站的語言模型,先從查維修手冊做起

在有人工作的太空站,AI也能協助處理文件。Booz Allen的案例說明指出,公司與HPE合作,將語言模型應用上傳至國際太空站的Spaceborne Computer-2,讓系統在機上執行。

這套應用採用檢索增強生成(RAG):先從操作文件與手冊尋找相關內容,再利用語言模型整理回答。公司將它定位為協助人員取得技術知識的工具,維修判斷與執行仍由太空人負責。

公司的技術說明也指出,團隊重新調整應用架構,降低運算與電力需求。公司將這次部署的主要目的,定為驗證語言模型能在太空環境中運作。

Joy先學會在失重環境工作,自主搬運仍在開發

移動實體物品,又是另一道難題。Icarus Robotics開發的Joy具備移動能力與雙機械臂,官網列出的國際太空站部署計畫為2027年;團隊已在拋物線飛行中進行失重測試。

公司說明,Joy初期採遠端操控,同時蒐集太空操作資料,再用來開發自主能力。在地球上,物品離開桌面後會落下;失重環境中的物品會繼續飄動,抓取與搬運所依賴的訓練資料也要跟著改變。

從火星車到太空站,AI正分別接手路線草擬、影像辨識與文件搜尋。接下來能交出多少操作權限,取決於每項任務的驗證結果:路線能否通過模擬、影像判讀是否可靠,以及機器遇到預料外的情況時,能否安全完成工作。

資料來源與更新紀錄

Item added to cart.
0 items - NT$0