7月7日，一项关于航天器自主控制领域的最新研究引发广泛关注。该研究通过模拟竞赛的形式评估了大型语言模型（LLM）在航天器操控方面的潜力。实验结果显示，在”坎巴拉太空计划微分博弈挑战赛”中，ChatGPT凭借其强大的智能算法取得了第二名的优异成绩，仅落后于一个基于复杂方程的控制系统。
当前，随着航天事业的快速发展，全球卫星数量呈现指数级增长。预计在未来，人类将无法仅仅依靠手动操作来管理日益庞大的太空设备。特别是在深空探测领域，由于光速限制导致的时间延迟使得实时操控成为不可能的任务。因此，开发具备自主决策能力的智能控制系统已成为航天技术发展的必然趋势。
为推动这一技术创新，国际航天研究领域推出了基于热门模拟游戏《坎巴拉太空计划》的”微分博弈挑战赛”。该赛事为研究人员提供了一个高度仿真的测试环境，用于验证和优化自主控制系统的设计方案。比赛任务涵盖了卫星追逐、拦截以及规避探测等多样化场景。
在即将发表于权威期刊《空间研究进展》的一篇论文中，一个国际科研团队详细介绍了其参赛方案：他们选择了一款商业化的LLM模型（类似于ChatGPT和Llama）。研究团队选择这一方案的主要考量是传统自主系统开发面临的效率瓶颈。由于坎巴拉挑战赛要求在接近真实场景的条件下完成任务，且任务时长可能仅持续数小时，传统的多次训练-反馈-优化循环变得不可行。
为了实现LLM对航天器的实际操控，研究团队开发了一种创新性的接口系统。这套系统能够将航天器的状态参数和目标任务以自然语言形式传递给模型，并根据模型的文本输出生成相应的控制指令代码。通过精心设计的提示词和少量针对性微调，研究人员成功让ChatGPT在多个测试任务中展现出令人满意的性能表现。
尽管取得显著进展，该研究也暴露出LLM在航天应用中的局限性。这些实验是在ChatGPT 4.0版本推出之前完成的，但即便如此，研究人员发现模型偶尔会出现”幻觉式”错误输出。这种潜在风险在现实应用场景中可能引发严重问题。然而，这一研究成果充分证明了现成的大规模语言模型经过适当训练后，能够以出人意料的方式服务于实际应用。
相关文章
