共计 1632 个字符，预计需要花费 5 分钟才能阅读完成。
维尔茨堡尤利乌斯 - 马克西米利安大学（JMU）的研究团队近日在自主空间系统领域取得重大突破，成功在轨测试了基于人工智能的卫星姿态控制器，这是全球首次。这一里程碑式的测试在 3U 纳米卫星 InnoCube 上进行，标志着人工智能在太空应用中的一个重要进展。
在 2025 年 10 月 30 日 11:40 至 11:49（中欧时间）的卫星过境期间，JMU 开发的人工智能代理在轨道上完成了完整的姿态机动，完全由人工智能控制。通过使用反作用轮，人工智能将卫星从当前的初始姿态调整到指定的目标姿态。在后续测试中，人工智能也成功且安全地将卫星控制到所需姿态，展示了其强大的能力。
LeLaR 研究团队——包括 Kirill Djebko 博士、Tom Baumann、Erik Dilger、Frank Puppe 教授和 Sergio Montenegro 教授——因此向空间自主性迈出了决定性的一步。
学习姿态控制在轨演示器（LeLaR；德语：In-Orbit Demonstrator Lernende Lageregelung）项目旨在开发下一代自主姿态控制系统。其核心重点是在 InnoCube 纳米卫星上设计、训练和在轨测试基于人工智能的姿态控制器。
姿态控制器用于稳定卫星在轨姿态，防止其翻滚。它们还用于将航天器指向所需方向，例如将相机、传感器或天线对准特定目标。
这项工作的特别之处在于，维尔茨堡的控制器并非使用传统的固定算法构建，而是采用了深度强化学习（DRL）方法——这是机器学习的一个分支，其中神经网络在模拟环境中自主学习最优控制策略。
与经典控制开发相比，DRL 方法的关键优势在于其速度和灵活性。传统的姿态控制器通常需要工程师手动调整参数，这一过程有时耗时数月甚至数年。
DRL 方法自动化了这一过程。此外，它提供了创建能够自动适应预期与实际条件差异的控制器的潜力，从而消除了耗时的手动重新校准需求。
在部署之前，人工智能控制器在地球上通过高保真模拟进行训练，然后上传到卫星的在轨飞行模型中。最大的挑战之一是弥合所谓的 Sim2Real 差距——确保在模拟环境中训练的控制器也能在太空中的真实卫星上运行。
“这是一个真正决定性的成功，”JMU 的 Djebko 强调道。“我们首次在实践上证明，使用深度强化学习训练的卫星姿态控制器可以在轨道上成功运行，”他补充道。
Baumann 解释说：“这一成功的测试标志着未来卫星控制系统开发迈出了一大步。它表明人工智能不仅可以在模拟中表现良好，还能在真实条件下执行精确的自主机动。”
通过在轨成功演示基于人工智能的控制器，维尔茨堡团队表明，人工智能可以可靠地应用于安全关键的空间任务。
Puppe 坚信“这将显著提高人工智能方法在航空和空间研究中的接受度，”并强调了模拟模型的重要作用。
对这类技术日益增长的信任是未来自主任务的关键一步。例如，在行星际或深空任务中，由于距离遥远或通信延迟，人类无法干预。因此，基于人工智能的方法可能对航天器的生存至关重要。
通过这一实验，维尔茨堡团队实现了 LeLaR 项目的一个重要目标。
“这一成功激励我们将这项技术扩展到新的场景，”Erik Dilger 表示。测试在 InnoCube 上进行，该卫星是与柏林工业大学（TU Berlin）合作开发的。InnoCube 作为创新空间技术的平台，为研究人员提供了直接在轨测试新概念的机会。
其中一项创新是无线卫星总线 SKITH（Skip The Harness），它用无线数据传输取代了传统的电缆。这不仅节省了质量，还减少了潜在的故障源。
这一成功的在轨测试确立了维尔茨堡大学在人工智能驱动空间系统领域的先驱地位。所展示的基于人工智能的控制器代表了未来深空探索的重要构建模块。LeLaR 项目的成果可能为各种卫星平台更快、更经济地开发新的复杂人工智能控制器铺平道路。
“下一个目标是利用这一领先优势，”Djebko 说道。
“这是迈向空间完全自主性的一大步，”Montenegro 补充道。“我们正处于一类新的卫星控制系统的开端：智能、自适应和自我学习。”
