在探索宇宙的征途中，人工智能（AI）正逐步展现其无限潜力，尤其在太空科学领域。与众多企业仍在摸索AI软件实际应用路径不同，太空科学家们已明确了一个将AI模型应用于太空任务的方向。

一个由加州理工学院、NASA喷气推进实验室（JPL）、加州大学洛杉矶分校及工程咨询公司Okean Solutions的专家组成的团队，正致力于开发名为AI Space Cortex的项目。该项目旨在构建一个AI辅助的自主框架，以支持从外星表面采集样本的复杂任务，涵盖样本采集点的选择、样本的收集以及科学仪器的样本存放。

与以往依赖确定性任务执行方法不同，AI Space Cortex集成了分层控制、主动视觉场景分析、实时遥测评估及自我诊断和重新校准能力。该项目的设计者们构想了一个能够实时自主执行科学任务并监测自身健康状况的机器人系统，该系统依赖于计算机视觉技术和大型语言模型。

在这个项目中，模型采用了OpenAI的GPT-4o，虽然目前是通过API访问而非本地运行，但未来的实现将探索本地模型部署。这需要对模型大小进行优化，并在推理速度和能耗之间找到平衡，因为行星着陆器面临严格的功率限制。

AI Space Cortex结合了计算机视觉模型和大语言模型，能够解释和推理其周围环境，从而在无人干预的情况下做出明智决策。除了环境分析外，该系统还能实时检测故障，自我诊断异常源头，并在必要时执行恢复程序。加州理工学院机器人研究科学家Thomas Touma表示，这种能力对于减少硬件损坏和潜在任务失败至关重要。

Touma解释说，视觉模型允许进行图像分割，这是一种从背景像素中识别和分离对象的技术。这使得模型能够选择机械臂上的特定点进行重新校准，尽管这可能需要更多的计算能力，但大大减少了底层工作的复杂性。他说，这些模型在多个方面节省了大量时间。

AI Space Cortex已在JPL的海洋世界着陆器自主测试平台（OWLAT）设施中进行了实地测试，该设施用于评估自主采样技术。虽然目前的测试版本需要约400瓦功率，并非为太空中的功率和热问题而设计，但重点是功能性和系统能力。随着时间的推移，模型量化和推理硬件的进步将有助于解决扩展问题。

尽管AI模型以产生错误著称，但Touma表示，由于系统边界的存在，这并非问题。他解释说，测试的系统是一个机械臂，其功能受限，不能穿墙或超出其活动空间。系统内部有许多硬性限制和安全防护，包括硬编码的扭矩和电流限制。

AI模型不仅解释了环境，还让任务操作员能够理解摄像头看到的内容。操作员可以要求AI对场景提供意见，例如特定地形的安全性或深度。Touma表示，在实验中，他发现AI相当清醒，很少出现奇怪的错误。有时错误可能是由提供的模糊图像引起的。

Touma对测试的AI模型能力印象深刻，特别是自动系统重新校准方面的工作。研究人员故意损坏了机械臂，使其无法准确运行。但在视觉模型和贝叶斯优化框架的帮助下，AI Space Cortex仅使用摄像头评估，就能将损坏的机械臂重新校准到90%以上的准确度。

虽然AI Space Cortex目前还不是任何计划中太空任务的一部分，但它将为未来的加州理工学院/JPL项目提供信息支持。Touma表示，他们正在利用所学知识在其他项目上实施这些技术，但不愿透露具体项目。