刚刚，一项最新关于AI「驾驶」宇宙飞船的研究刚发布就火了！

在Kerbal Space Program所派生的航天竞赛中，MIT等研究机构将GPT设定为“核心”智能体，出人意料地赢得了第二名的佳绩。

这场赛事被认定为太空探索实现自主化的关键试验地，同时，人工智能的出色表现更是昭示着“AI操控飞船”这一愿景或许比我们预想的要更早实现。

或许，《太空漫游2027》这一愿景真的有望成真！环绕地球的卫星以及太空垃圾，未来或许都将由人工智能独立操控与处理。

研究团队并未对模型进行深度训练，却通过巧妙运用提示词工程和微调的少量操作，使得GPT能够轻松应对繁复的太空任务，如追踪卫星、躲避侦测等，无所不能。

该系统由三个主要环节构成，即文本状态的输入、语言模型的决策以及代码的执行，充分体现了LLM模型在泛化性和适应性方面的显著优势。

麻省理工学院与马德里理工大学的研究成果已获得《空间研究进展》杂志的认可，并即将与读者见面。

该论文的链接为：https://arxiv.org/pdf/2505.19896，请点击此链接进行查阅。

研究亮点速览：

AI自主开飞船上太空

长期以来，研究人员持续专注于研制适用于卫星操控与航天器航向指引的独立控制系统。

未来的卫星数量实在太多，人类无法全部手动进行控制。

对于深空探测而言，光速的约束导致我们无法对航天器进行即时、直接的操控。

如果我们真的想要在太空领域拓展，就必须让机器人自己做决定。

为了激发创新精神，近几年来，航空领域的科研工作者们成功举办了《Kerbal Space Program》这一游戏竞赛活动。

该试验场依托于广受欢迎的《Kerbal Space Program》电子游戏，为研究社区提供了一个（在某种程度上）近似真实的环境，以便他们能够进行自主系统的设计、实验和测试。

《Kerbal Space Program》这款太空飞行模拟类视频游戏最初由墨西哥的Squad工作室研发，并于2015年正式与公众见面。

尽管这款产品本质上是一款游戏，然而，通过引入模组，它得以转变为模拟场景，而这些模组还能带来诸如更加逼真的物理反应等新增功能。

尽管KSP未能完全复制现实，然而其精准的轨道力学模型赢得了广泛认可，甚至促成了与NASA的合作，这一成就使得它不再仅仅是一款普通的游戏。

该模拟场景设定为仅涉及双星系统，并且其涉及的行星数量极为有限，通常情况下，仅包含一颗名为Kerbin的类似地球的行星。

本赛事涵盖了众多环节，诸如执行捕捉与封锁人造卫星的使命，亦包括巧妙躲避探测器的挑战。

研究人员选择采用LLM，鉴于传统控制手段需经历多次训练、反馈以及优化过程。

然而，Kerbal挑战的核心在于追求极高的真实感，这导致任务通常仅限于数小时之内。

因此，不断改进模型将变得不切实际。

LLM之所以展现出强大的能力，关键在于它们已经接受了海量的由人类创作的文本进行训练。

在理想状态下，仅需少量细致的提示工程以及数次尝试，便能在特定情境中准确把握语境。

但这样一个「对话」模型真的可以驾驶宇宙飞船吗？

用GPT和Llama开飞船

在KSP挑战中，我们需关注的关键问题包括：智能体需运用推力发动机来操控航天器，使其在三个主要的旋转轴——即偏航、俯仰和滚动轴——上实现精确的运动。

在航天器的坐标系中，动作的描述涉及各个轴上的推力强度和施加推力的时长。

KSP挑战包含以下三种场景：

本研究的讨论范围只有「追击者-逃逸者」范畴。

在多个追击与逃逸游戏场景之中，逃逸者的起始轨道在各个场景中均保持一致，与此同时，追击者的起始轨道却呈现出差异性。

追击者和逃逸者具有相同的飞行器参数。

评估过程中涉及的指标涵盖追击者与逃逸者之间的距离（以米为单位）、两者最近接触时的速度（以米每秒计）、追击者所消耗的燃料量（以千克为单位），以及完成追击所花费的时间（以秒为单位）。

确定了任务目标后，我们深入分析GPT与Llama在操控飞船方面的具体操作方式，研究发现它们采取了两种不同的路径：

1. GPT+微调

选用GPT是因其易于使用，重点使用微调模型策略。

2. Llama+提示词工程

选择Llama作为工具，主要得益于其背后强大的社区支持以及开源的灵活性，它允许我们通过提示工程来主导研究进程，并且能够轻松地进行细微的调整。

研究人员成功研制出一种技术，该技术能够将航天器的特定状态和预定目标以文字的形式进行转化。

接着，他们便将相关信息输送至大型语言模型，并恳请该模型提出对航天器进行调整与操控的具体建议。

研究人员继而又设计了一套翻译机制，该机制能够将基于文本的LLM输出转化为能够直接指导模拟飞行器运行的程序代码。

研究通过生成多个轨道的示例，用于收集Llama训练数据。

研究还给出了轨道数据生成的伪代码。

研究人员通过提供简短的提示并进行适当调整，成功引导GPT完成了挑战中的众多测试项目，而且在这场最近的比赛中，GPT最终取得了第二名的优异成绩。

Llama竟然打败了GPT

值得注意的是，OpenAI的微调API虽然需要用户进行定制，然而它所提供的辅助工具却相对较少，这一点与Llama形成鲜明对比。

因此，GPT的训练成效在很大程度上受到数据规模与品质的影响，同时，某些调整措施（尤其是超参数的调整）也起着关键作用，其中LRM的影响尤为突出。

思维链技术的运用显著增强了飞船操控在追逐任务上的普遍适用性，同时，模型在执行任务过程中达到了零失误的完美表现。

Llama的结果远超研究人员预期。

该模型不仅沿袭了一条稳固的发展路径，而且在KSPDG竞赛中展现出超越绝大多数其他方法的卓越性能。

特别需要指出的是，在基础模型方面，Llama的表现相较于GPT模型更为出色，取得了更为优异的成果。

然而，鉴于Llama-3是作为与GPT-4相抗衡的模型而存在，而非研究中采用的GPT-3.5，这样的结果是在我们预料之中的。

研究人员的预算有限，即便如此，他们也无法承担API的费用，而开源策略的实行，无疑推动了整个生态系统的繁荣。

研究团队表示，这次研究发现结果非常令人满意。

轨道构建与智能实体融合技术显示，借助人工智能技术打造训练环境，可作为一项高效且操作简便的模拟引擎替代选项。

尽管这项研究尚处于初级阶段，且所采用的模型并非当下最前沿的顶级人工智能技术，然而，其研究过程本身便具有显著的启发价值。

在未来的发展中，我们不仅要争夺地球上的资源，太空资源也已成为新时代的战略争夺焦点。

马斯克的星链计划已经开始抢占地球的低空轨道资源。

依据现有的数据统计结果，截至2025年上半年度，运行在轨道上的星链卫星数量已超过6500颗。

这数字相当庞大，尽管目前星链的运作主要遵循预设轨道，且仅有少数情况需要人类的介入，那么，展望未来又将如何呢？

单纯靠人来控制这些卫星完全不够，也不现实。

若这项研究果真能够实现让大型语言模型操控太空飞行器的目标，那么它必将对未来的太空竞赛格局产生深远的影响。

在美剧《太空部队》中编剧设想了一个场景：

当中国的空间站飞越美国卫星上空之际，它操控机械臂成功切除了那颗卫星的翼部。

然后，美国的卫星就变成了太空垃圾。

除了编剧的别出心裁之外，AI在太空中驾驶飞船的情节亦颇为丰富，诸如在《特种部队2：全面反击》中出现的太空钨棒武器。

亦或是《火星救援》故事里的探险队伍，若配备了足够智能的人工智能，便无需冒风险去营救马特·达蒙，派遣AI即可完成这项任务。

这些场景未来还有很多很多。

甚至，近期硅谷投资者彼得·蒂尔披露，马斯克已表示他打算放弃征服火星的愿景。在采访中，他进一步表示，“2024年将是埃隆对火星的信念彻底动摇的一年。”

马斯克的转变源于他与谷歌DeepMind首席执行官Demis Hassabis的一次深入交流。

他们展开了关于人工智能与星际旅行究竟哪一项将成为全球最为关键的技术突破的深入探讨。

据悉，当Hassabis向其透露“你的旅程，我的人工智能将伴随你至火星”时，Elon陷入了沉思。

老马或许对火星的前景感到失望，不论缘由如何，若人工智能能够实现宇宙飞船的自主操控，或许能够助力他实现火星殖民的愿望。

我们可以想象，在未来的太空攻防较量、相互援助行动以及对外星球进行殖民的过程中，竞争的焦点不仅在于人类自身的技能，更在于人工智能的智慧——哪家企业的AI系统更为卓越、更为智能化。

毕竟，在太空探索的大背景下，人的寿命显得格外短暂，或许只有人工智能能够抵御时间的消磨。

人类终将陷入岁月的沉寂，然而，AI或许将成为唯一能够在浩瀚宇宙中延续人类文明传奇的见证者。

——GPT

参考资料：

该链接指向的是一篇论文，其标题为《2505.19896》，内容涉及特定领域的研究。