AstroForge AI 航天器将控制权交给 Solo，但撤去了任务控制的安全网

AstroForge 计划在 2027 年让其 AstroForge AI 航天器由 Solo 控制，在与运载火箭分离后不再接收来自地球的常规指令。这一决定将一个熟悉的航天器自动化问题，变成了对机器判断力更为严苛的考验。

该公司将这项任务命名为 Autonomy-1。由内部开发的紧凑型 Transformer 系统 Solo，将在成熟的确定性飞行软件层之上协调航天器运行。AstroForge 表示，Autonomy-1 将向地球传回遥测和科学数据，同时在没有地面指令的情况下完成任务。

这比构建通用人工智能的说法要具体得多，但其影响也更为重大。Solo 必须解读约 2,500 路传感器输入，诊断异常行为，并在无法立即获得人工协助的物理飞行器上选择行动方案。

AstroForge 押注这一方案之前，曾在 2025 年失去对其首艘深空航天器 Odin 的有效控制。地面站问题导致其错过了 Odin 最宝贵的通信窗口。该公司始终未能建立完成小行星任务所需的持续指令链路。

因此，核心较量并非 AI 与另一家航天公司之间的竞争，而是机载决策与以地球为中心的传统任务控制模式之间的较量。一方承诺更快的响应和更低的运行成本；另一方则拥有经验丰富的人员、完备的流程，以及软件行为异常时进行干预的机会。

AstroForge AI 航天器将自行作出决策

Autonomy-1 的设计目标是在整个分离后任务期间，无需接收任何来自地球的指令。

AstroForge 于 2026 年 9 月 21 日宣布 Autonomy-1。该任务计划于 2027 年搭载 Stoke Space 的 Nova Pathfinder 运载器首次发射升空。

Stoke 在其首次飞行任务清单中确认了这项载荷。该公司称，Autonomy-1 将演示 AstroForge 的 Solo 航天器智能系统，同时支持 NASA Goddard 的 COMPASS 日球物理载荷。

NASA 仪器使这项任务不只是一次孤立的软件测试。Solo 需要在协调科学载荷正常运行所需功能的同时管理航天器。因此，自主系统必须在整个任务期间维持供电、导航、热环境和仪器运行。

AstroForge 表示，遥测和科学数据仍将从航天器传回地球。工程师应能观察 Solo 的行为，并检查任务数据中反映出的推理轨迹。不过，已公布的设计取消了反方向的常规指令通道。

CEO 兼联合创始人 Matt Gialich 向 TechCrunch 表示，他原本不打算搭载能够接收地球指令的无线电设备。他承认，其工程团队可能会在发射前说服他改变这一决定。

这一保留很重要。一艘主动忽略可用指令的航天器，与一艘在物理上无法接收指令的航天器不同。前一种设计保留了紧急选项；后一种则使自主运行成为飞行器分离后不可逆转的状态。

AstroForge 的任务公告将 Solo 描述为位于传统飞行软件之上的智能层。它并不取代控制各个系统、已获验证且基于物理规律的算法。

这种分层架构是一项重要的安全护栏。确定性软件继续处理工程师能够明确规定和测试预期行为的功能。Solo 接收航天器状态信息，识别异常情况，并决定下一步应如何处理。

该模型基于 Transformer，这意味着它采用了一种旨在识别数据序列间关系的架构。在航天器上，这些序列来自传感器和子系统状态，而不是普通的自然语言提示。

AstroForge 表示，该模型将处理约 2,500 个传感器的输入。基于子系统测试数据训练的专用模型将支持导航和发电等领域，随后由 Solo 协调跨系统决策。

一个具有代表性的问题是航天器位置存在不确定性。Solo 可能会将该导航误差与星敏感器的异常供电行为关联起来，随后尝试有针对性的恢复操作，例如重启受影响的组件。

与围绕自主智能体的流行说法相比，这个例子似乎并不起眼。但在航天飞行中，能否正确重启一个组件，可能决定飞行器是否仍可控。关键能力不在于对话，而在于基于有限且不完美的证据选择安全行动。

Autonomy-1 仍将是一项演示任务。它不会开采小行星，也不会证明 Solo 能够应对所有深空场景。其直接目标是展示一艘航天器能在分离后不接收指令的情况下完成既定任务。

Odin 让地面通信成为主要对手

AstroForge 推进自主化，源于一次通信基础设施在人工操作员获得可靠控制前便告失效的任务。

Odin 于 2025 年 2 月 26 日作为 Intuitive Machines IM-2 任务的次级载荷发射。AstroForge 原计划让该航天器飞掠小行星 2022 OB5，并拍摄图像，以帮助评估其作为采矿目标的价值。

该公司获得了若干 Odin 仍在运行的早期迹象，但始终未能建立指挥飞行器、确认其状态或完成预定交会所需的持续双向通信。

AstroForge 的Odin 任务复盘指出，其仓促组建的地面网络存在多项故障：一个地面站使用了错误的极化方式，另一个则采用了不正确的指向坐标。

这些错误消耗了分离后的最初数小时，当时 Odin 距离地球最近，也最有可能拥有足够的电池电量。该公司后来使用了灵敏度更高的设备和额外天线，但随着航天器越飞越远，成功机会不断降低。

光学观测显示，Odin 仍沿预期轨道运行，但这并未恢复指挥权限。这项任务鲜明地表明，当通信失效时，一艘正常工作的航天器也可能在运营层面变得毫无用处。

AstroForge 并未声称 Solo 一定能拯救 Odin。Gialich 在原始报道中表示，他并不确定机载智能系统是否能够让该飞行器恢复运行。

他提出的较为谨慎的观点更有说服力：一旦地球失去控制，Odin 上没有任何系统能进行广泛诊断。自主系统或许能够检查本地数据，识别可恢复状态，并在地面团队弄清问题之前采取行动。

本地信息带来了真正的优势。深空通信链路无法持续以完整细节传输每一项传感器读数。工程师获得的是受带宽、天线接入、距离和航天器电力条件影响的有限图景。

Solo 可以在数据源头检查信息。在关联导航、电力、通信和热控系统的读数前，它无需等待地面通信窗口。当异常情况以分钟为单位持续演变时，这一更短的决策闭环便具有价值。

对 AstroForge 而言，财务理由同样重要。该公司表示，任务运行和地球端基础设施约占其整体任务成本的近三分之一。Gialich 估计，建设由五面天线组成的私有全球网络将耗资约 2 亿美元。

这些数字是公司的估算，并非经独立验证的行业基准，但它们仍说明了 AstroForge 的动机。计划运营多艘低成本航天器的初创公司，无法照搬大型政府任务所采用的人力与基础设施模式。

TechCrunch 报道称，NASA 的 OSIRIS-REx 小行星任务在 2018 年交会期间，每个八小时班次配置了约 100 名操作员。这种做法带来了经验、专业化和冗余能力，但也依赖于风险投资支持的航天公司难以轻易复制的资源。

据报道，AstroForge 成立于 2022 年，已融资 5,600 万美元。一个成本数倍于此的拟议地面网络，将与其低成本任务模式相冲突。

在这些条件下，自主化成为一项经济要求。否则，每增加一艘航天器，就需要更多控制员时间、更多天线接入以及更多运营协调。这些成本会随着舰队规模增长，而不会通过复制而下降。

这并不意味着软件使地面基础设施变得无关紧要。Autonomy-1 仍需回传遥测和科学观测数据，AstroForge 也仍需要跟踪数据，以确认任务是否到达预定轨迹。

Solo 反而瞄准了对指令的依赖。该公司希望每艘航天器在人工指令延迟、不可用，或无法持续提供的成本过高时，仍能继续运行。

压力并不只存在于 AstroForge。小型深空公司往往推销标准化飞行器、更频繁的发射和更低的任务成本。如果每一艘新飞行器都需要一支定制化运营团队，这些承诺就更难维持。

如果 Solo 成功，竞争平台将面临选择：接受更高的地面成本、开发类似的自主能力，或将任务限制在传统自动化已足够的较狭窄环境中。

Solo 以更难预测的模型延续了一个旧理念

航天器自主化已有数十年历史，但 Solo 为传统上追求可预测行为的系统增加了 Transformer 决策层。

早在当前 Transformer 时代之前，NASA 就已演示过机载人工智能。其 Deep Space 1 航天器于 1999 年运行了 Remote Agent 实验。

Remote Agent 根据高层目标规划活动、执行指令、监控结果，并对模拟故障作出响应。NASA 的实验记录称，该系统完成了所有计划目标。

该实验首次运行时也遭遇了一个软件错误。工程师诊断问题后，以修订后的测试继续进行。这一事件仍具现实意义，因为早期自主系统可能暴露自主系统自身内部的故障模式。

NASA 的架构采用基于模型的推理、考虑约束的规划和明确的故障保护逻辑。Solo 属于不同的一代：其 Transformer 组件从训练和测试数据中学习关系，而非仅依赖预先编写的规则。

差异并不在于一个系统智能而另一个系统不智能。两者都在工程边界内运行。区别在于每个系统如何表示模式、解释陌生情况，以及选择应对措施。

传统控制算法依然具有吸引力，因为工程师可以在明确输入条件下建模其行为。验证团队能够测试需求、检查决策路径，并确定软件必须进入安全状态的条件。

学习型模型让这一过程变得更加复杂。它们的行为部分源自训练数据、模型结构和统计关系。一个在数千次测试中看似合理的响应，仍可能在罕见的传感器错误组合下失效。

AstroForge 正通过混合技术栈应对这一问题。Solo 负责协调决策，而成熟算法则继续直接负责基于物理的控制。这限制了模型对飞行器最底层行为的控制权限。

这种分工类似于任务管理器指挥专业控制器。Solo 可以判断某个组件需要关注，但底层飞行软件决定航天器如何执行相应机动或系统操作。

这一架构应能降低部分风险，但并不能消除验证 Solo 决策的需求。如果模型选择了错误命令、在错误时机行动，或误读了受损数据，那么即使命令被正确执行，仍然会造成危害。

因此，AstroForge 计划进行一次中间飞行测试。在 Autonomy-1 发射之前，DeepSpace-2 将以影子模式搭载 Solo。

影子模式允许模型处理真实航天器数据并生成决策，但不控制飞行器。工程师可以将这些拟议行动与实际航天器行为及地面操作人员作出的选择进行比较。

据 AstroForge 称，DeepSpace-2 预计将随 Intuitive Machines 的第三次月球任务发射。其更广泛的目标是开展小行星交会与成像任务。

该航天器重约 200 千克，设计任务寿命最长可达两年。AstroForge 表示，它可在距地球最远 2,000 万公里处运行。

这些条件应能提供比实验室模拟更真实的数据。太空硬件会经历辐射、热循环、传感器噪声、通信中断以及相互作用的故障，而这些情况很难在地球上被完全复现。

影子模式也存在局限。飞行器不会承受 Solo 所提议命令带来的后果。某项决策在记录的遥测数据中可能看似正确，但应用于真实硬件时却可能产生意外影响。

工程师可通过硬件在环测试模拟这些后果，该测试将飞行软件连接到物理组件或具有代表性的模拟器。但只有当模型决策改变航天器的下一状态时，完整闭环才会出现。

这一缺口使 DeepSpace-2 至关重要，但并非决定性证据。它可以发现明显错误、衡量误报情况，并揭示 Solo 是否能识别真实异常；但无法证明每一种行动序列在飞行中都能保持稳定。

AstroForge 还需要针对意见分歧制定明确政策。如果确定性故障保护建议进入安全模式，而 Solo 建议继续运行，该架构就需要一套可预测的权限层级。

该公司尚未公开足够的技术细节来评估这一层级。它尚未公布模型规模、计算硬件、功耗、训练流程或形式化验证结果。

在演示任务之前缺少这些信息可以理解。但这也意味着，最有力的说法仍只是 AstroForge 的主张。读者应区分已宣布的架构与已得到验证的性能。

移除地面指令提高了举证标准

只有当 Solo 能够处理不确定性，而不将一次可恢复的软件错误演变为永久性任务损失时，Autonomy-1 才算成功。

当通信延迟使实时控制无法实现时，航天器早已能够自主执行关键操作。NASA 的 OSIRIS-REx 任务在下降至小行星 Bennu 期间使用了自然特征跟踪技术。

该系统将机载图像与已绘制的地表特征进行比对。如果预测着陆不安全，它可以取消下降。NASA 的导航说明将其描述为完全自主。

这种自主性被限定在特定任务阶段和经过充分准备的环境中。工程师绘制了危险地图，并定义了应触发撤离的条件。人类团队仍负责更广泛的任务。

Solo 的目标是承担更广泛的运行职责。它将在整个 Autonomy-1 任务期间监控多个系统、识别非标称状态并协调响应。范围扩大既增加了有益适应的机会，也增加了有害交互的可能性。

Transformer 可以检测多条传感器数据流中的模式。但当输入超出其训练分布时，它也可能错误评估置信度。太空任务恰恰会产生那些最难提前收集的异常组合。

传感器故障带来另一项挑战。模型可能接收到内部一致、却无法反映物理现实的数据。如果多项读数共享同一故障，仅凭相关性反而可能强化错误诊断。

工程师通常通过冗余、独立测量、合理性检查和保守的故障树来处理这一问题。Solo 的价值取决于它能否利用这些保护机制，而非通过缺乏依据的解读将其推翻。

计算约束同样重要。通过空间认证的处理器在性能上通常落后于数据中心硬件。它们必须在严格的功耗和热限制内运行，同时耐受辐射。

AstroForge 将 Solo 描述为小型模型，这让机载运行更具可信度。然而，仅凭模型规模无法证明其延迟、能耗、内存需求或抗辐射能力是可靠的。

网络安全也值得关注。接收无线电会形成攻击面，但移除它并不能消除软件风险。训练管线、开发工具、模型更新和飞行代码，都可能在发射前引入漏洞。

无指令设计还取消了一种应对选项。如果航天器确实没有接收器，地面团队在分离后将无法上传补丁、修改阈值或禁用故障决策层。

这一约束或许能提升发射前的严谨性。工程师必须决定哪些行为被允许，以及哪些状态需要确定性回退机制。他们不能依赖未来的指令来修复不完整的设计。

但它也可能让一个轻微的模型缺陷变成永久性问题。NASA 的 Deep Space 1 实验受益于分阶段测试和持续的人类参与。Autonomy-1 公开提出的前提为这种干预留下的空间更小。

AstroForge 演示任务最有力的版本应包括透明的成功标准。完成任务是一项衡量指标，但它无法说明 Solo 介入了多少次，或这些介入是否改善了结果。

有用的证据应包括检测到的异常数量、误报、被拒绝的建议、恢复尝试和进入安全模式的次数。工程师还需要了解，确定性安全机制是否阻止过任何不安全的 Solo 行动。

DeepSpace-2 的影子模式结果可提供基线。AstroForge 可以将 Solo 的建议与飞行控制器的决策进行比较，并在之后评估哪种选择与航天器的实际状态相符。

该公司尚未公开承诺发布如此详细的信息。商业敏感性和安全顾虑可能限制披露。没有此类证据，外界将难以区分自主性能与一次平稳无事的任务。

任务时长也会影响结果。异常很少的短期飞行，检验的是标称规划而非韧性。更长的任务会带来更多退化、导航不确定性和子系统交互的机会。

Autonomy-1 还搭载了真正的科学载荷，这提高了错误决策的代价。Solo 必须保护航天器，同时为 COMPASS 提供收集有用数据所需的电力、指向和运行支持。

因此，这项任务不应被描述为 AI 取代航空航天工程。Solo 依赖确定性控制器、经过验证的航天器系统、传感器冗余、任务约束和广泛的地面测试。

实际主张更为有限。AstroForge 认为，学习型协调层可以降低对持续人工运行的依赖，同时不放弃传统飞行软件所提供的可靠性。

这一权衡尚未因公告而得到解决。它将通过飞行数据、披露的故障处理方式，以及当条件不再符合计划时航天器的表现来验证。

2027 年任务接下来必须证明什么

三项里程碑将决定 Solo 是成为可信的航天器操作员，还是仍只是一项雄心勃勃的演示。

第一个信号是 DeepSpace-2 的影子模式记录。这项任务应表明，在获得指令权限之前，Solo 是否能够解读真实传感器数据。

最有价值的结果并非与地面控制人员完全一致。一个自主系统通过识别人类遗漏的情况、更快作出反应，或基于更丰富的本地数据提出安全响应，来证明其存在价值。

分歧仍需仔细分析。工程师必须确定，Solo 是发现了合理的替代方案、误解了航天器，还是生成了会被确定性安全机制拒绝的行动。

频繁误报将削弱 AstroForge 的论据。一旦 Solo 获得控制权，它们可能消耗电力、中断科学任务，并造成不必要的模式切换。

第二个信号是 Autonomy-1 最终的通信架构。AstroForge 目前描述的是一条单向链路：它向地球发送遥测和科学数据，但不接收指令。

如果航天器发射时配备休眠或紧急指令接收器，该演示仍可保持自主性，同时保留最后一道安全通道。这一选择会降低实验的纯粹性，但会提升可恢复性。

如果 AstroForge 完全移除接收器，Autonomy-1 将成为对运行独立性更严格的测试，但也会对发射后发现的错误更加宽容度低。

两种选择都不能自动证明勇气或谨慎。关键在于 AstroForge 是否公布权限规则、回退行为以及界定成功自主性的条件。

第三个信号是分离后的任务证据。一艘按照标称脚本运行、且未遇到实质异常的飞行器，可以验证基本执行能力，但无法充分验证 Solo 的诊断主张。

更有力的结果应记录一次意外情况、Solo 所依据的证据、其选择的行动，以及之后航天器的状态。这一链条将表明该系统是否能做的不只是重放预先准备的计划。

遥测数据也可能揭示静默故障。Solo 或许能完成任务，却浪费能源、错失科学机会，或反复接近不安全极限。仅看最终任务状态会掩盖这些弱点。

因此，AstroForge 应在生存状态之外报告运行质量。最有用的指标包括指令决策、异常分类、恢复时长、资源余量和被阻止的行动。

NASA 和商业合作伙伴也将关注 COMPASS 的表现。可靠的科学产出将表明，Solo 能够平衡载荷目标与航天器健康，而不只是让飞行器维持运行。

一次成功飞行将促使其他小型航天器制造商重新考虑其运行模式。眼下的机会并非自主小行星采矿，而是减少每增加一艘深空飞行器所需的人员和地面接入资源。

这一转变对软件团队的影响将不亚于对任务控制人员的影响。工程师需要更完善地记录系统行为、异常历史、测试结果和决策约束。在这些证据成为训练或验证材料之前，可搜索的知识库可以帮助团队将它们关联起来。

不过，任何知识系统都无法替代飞行鉴定。Solo 的可信度将取决于：当传感器数据彼此矛盾、通信中断，以及恢复流程争夺有限电力时，它会如何表现。

AstroForge AI 航天器引人关注，是因为其核心约束真实存在。深空作业无法仅靠扩建控制中心和争夺稀缺的天线时间而无限扩展。

其拟议的解决方案同样伴随真实风险。将智能移至机载端能够缩短决策闭环，但也意味着更多责任将转移给地面可能无法纠正的软件。

值得关注 DeepSpace-2 的影子模式结果、最终的指令链路设计，以及 Autonomy-1 的飞行后决策记录。这些信号将共同表明，Solo 是否真正降低了对地球的依赖，还是仅仅移除了最安全的返航路径。