面向「空天具身智能」，北航團(tuán)隊(duì)提出星座規(guī)劃新基準(zhǔn)丨NeurIPS’25

鷺羽 2025-12-13 22:37:49 來(lái)源：量子位

AEOS-Bench&AEOS-Former團(tuán)隊(duì) 投稿

量子位 | 公眾號(hào) QbitAI

將衛(wèi)星星座送入軌道我們都知道很難，但高效規(guī)劃調(diào)度在軌衛(wèi)星星座執(zhí)行任務(wù)也不簡(jiǎn)單。

隨著部署的星座規(guī)模越來(lái)越大，通過(guò)人力進(jìn)行任務(wù)規(guī)劃的效率已經(jīng)趕不上衛(wèi)星的任務(wù)執(zhí)行效率，于是研究人員將希望寄托在了AI上。

衛(wèi)星星座任務(wù)規(guī)劃效果展示

衛(wèi)星星座是由多顆衛(wèi)星組成的協(xié)同網(wǎng)絡(luò)，具備遠(yuǎn)超單星的全球覆蓋、快速響應(yīng)和高頻觀測(cè)能力。從美國(guó)的巨型衛(wèi)星通信星座到我國(guó)的“千帆”星座，衛(wèi)星星座已從科幻概念走向產(chǎn)業(yè)核心，成為數(shù)字經(jīng)濟(jì)時(shí)代的基礎(chǔ)設(shè)施。

這些運(yùn)行在距地?cái)?shù)百公里的衛(wèi)星星座，正默默支撐著遙感、通信、導(dǎo)航、氣象預(yù)測(cè)等關(guān)鍵行業(yè)。但每一個(gè)穩(wěn)定運(yùn)行的星座背后，都藏著一個(gè)高維、動(dòng)態(tài)、強(qiáng)約束的規(guī)劃難題。如何在短短幾分鐘的觀測(cè)窗口內(nèi)，調(diào)度數(shù)十顆衛(wèi)星形成協(xié)同觀測(cè)網(wǎng)絡(luò)，執(zhí)行上百項(xiàng)任務(wù)，同時(shí)響應(yīng)地震救援、海上搜救、森林火災(zāi)等突發(fā)需求？人工智能技術(shù)正在成為破解這一難題的關(guān)鍵鑰匙。北航劉偲教授團(tuán)隊(duì)提出首個(gè)大規(guī)模真實(shí)星座調(diào)度基準(zhǔn)AEOS-Bench，更創(chuàng)新性地將Transformer模型的泛化能力與航天工程的專業(yè)需求深度融合，訓(xùn)練內(nèi)嵌時(shí)間約束的調(diào)度模型AEOS-Former。這一組合為未來(lái)的“AI星座規(guī)劃”奠定了新的技術(shù)基準(zhǔn)。

該研究目前已發(fā)表于NeurIPS 2025。

星座雖好，規(guī)劃太難

與單顆衛(wèi)星相比，星座通過(guò)多星協(xié)同實(shí)現(xiàn)了覆蓋范圍、并行能力的指數(shù)級(jí)擴(kuò)展。在搶險(xiǎn)救災(zāi)、應(yīng)急救援等場(chǎng)景中實(shí)現(xiàn)秒級(jí)響應(yīng)。更重要的是，星座的分布式架構(gòu)具備極強(qiáng)的容錯(cuò)性，單星故障不會(huì)導(dǎo)致整體系統(tǒng)癱瘓，這對(duì)航天任務(wù)的穩(wěn)定性至關(guān)重要。但這些優(yōu)勢(shì)背后，隨著衛(wèi)星數(shù)量增多、任務(wù)變復(fù)雜，調(diào)度規(guī)劃成了大難題。

衛(wèi)星星座任務(wù)規(guī)劃場(chǎng)景示意圖

1. 任務(wù)量大：以美國(guó)SkySat星座為例，13顆衛(wèi)星日均需處理超百項(xiàng)任務(wù)，擴(kuò)展到21顆后，人工調(diào)控的復(fù)雜度急劇上升。

2. 時(shí)間窗口緊張：衛(wèi)星繞地速度極快，地面任意區(qū)域的可觀測(cè)時(shí)間常不足5分鐘，任何誤差都可能造成觀測(cè)失敗。

3. 突發(fā)任務(wù)難應(yīng)對(duì)：我國(guó)“女?huà)z星座”在災(zāi)害響應(yīng)時(shí)，緊急觀測(cè)任務(wù)完成率常不足60%，現(xiàn)有方法在高時(shí)效性需求下的響應(yīng)能力有限。

4. 約束條件復(fù)雜：衛(wèi)星的視場(chǎng)角、電池功耗、姿態(tài)調(diào)整時(shí)間等物理限制相互影響，讓調(diào)度難度呈指數(shù)級(jí)上升。

任務(wù)規(guī)劃關(guān)鍵時(shí)間節(jié)點(diǎn)及挑戰(zhàn)

為AI星座規(guī)劃師「出題」

為了擬合真實(shí)衛(wèi)星場(chǎng)景，北航團(tuán)隊(duì)基于Basilisk引擎開(kāi)發(fā)了高保真仿真平臺(tái)，還原了衛(wèi)星在軌道動(dòng)力學(xué)、姿態(tài)控制、功耗等方面的物理特性。通過(guò)精細(xì)優(yōu)化衛(wèi)星資產(chǎn)和嚴(yán)格篩選，形成高質(zhì)量標(biāo)注數(shù)據(jù)，構(gòu)建了AEOS-Bench基準(zhǔn)數(shù)據(jù)集。相比以往數(shù)據(jù)集，其核心特征如下：

1. 大規(guī)模：包含16k+個(gè)衛(wèi)星星座任務(wù)場(chǎng)景，每個(gè)場(chǎng)景涵蓋1~50顆衛(wèi)星、50~300項(xiàng)成像任務(wù)及3600個(gè)時(shí)間步長(zhǎng)，覆蓋不同尺度衛(wèi)星與任務(wù)規(guī)模。

2. 真實(shí)性：所有場(chǎng)景均在上述仿真平臺(tái)生成并評(píng)估，確保衛(wèi)星行為的物理準(zhǔn)確性。本研究進(jìn)一步引入從開(kāi)源爬取的真實(shí)衛(wèi)星數(shù)據(jù)形成測(cè)試集，支持算法在真實(shí)數(shù)據(jù)上的性能驗(yàn)證。

3. 全面性：AEOS-Bench涵蓋任務(wù)完成率、周轉(zhuǎn)時(shí)間、功耗等6類評(píng)估指標(biāo)，并通過(guò)綜合得分作為核心度量。

AEOS-Bench構(gòu)建流程圖

內(nèi)嵌時(shí)間約束的星座調(diào)度模型

北航團(tuán)隊(duì)基于AEOS-Bench數(shù)據(jù)集訓(xùn)練了基于Transformer架構(gòu)的內(nèi)嵌約束調(diào)度模型AEOS-Former，能夠在不同規(guī)模的場(chǎng)景有效完成衛(wèi)星規(guī)劃。AEOS-Former主要由以下模塊組成：

1. 內(nèi)嵌約束模塊：顯式建模衛(wèi)星成像設(shè)備視場(chǎng)、電池狀態(tài)等限制，預(yù)測(cè)任務(wù)可行性概率與最小控制時(shí)間，生成約束驅(qū)動(dòng)的注意力掩碼。

2. 編碼器解碼器實(shí)現(xiàn)衛(wèi)星-任務(wù)匹配：嵌入衛(wèi)星靜態(tài)參數(shù)（軌道）與動(dòng)態(tài)狀態(tài)（實(shí)時(shí)姿態(tài)），借助內(nèi)嵌約束模塊信息，預(yù)測(cè)每個(gè)衛(wèi)星與任務(wù)相關(guān)的概率，并決定下一步的匹配方案。

AEOS-Former總體架構(gòu)示意圖

AI規(guī)劃師表現(xiàn)如何？

北航團(tuán)隊(duì)使用AEOS-Bench基準(zhǔn)數(shù)據(jù)集，在仿真閉環(huán)測(cè)試環(huán)境下對(duì)多個(gè)模型進(jìn)行了系統(tǒng)評(píng)估，采用六項(xiàng)指標(biāo)進(jìn)行量化分析，涵蓋任務(wù)完成度、時(shí)效性和能源效率。作為對(duì)比，測(cè)試了四個(gè)基線模型的性能，包括隨機(jī)模型、優(yōu)化模型以及強(qiáng)化學(xué)習(xí)模型。實(shí)驗(yàn)結(jié)果顯示AEOS-Former在所有測(cè)試數(shù)據(jù)劃分中均優(yōu)于基線模型。

AEOS-Former與基線模型之間的性能比較

進(jìn)一步從綜合得分指標(biāo)與完成率指標(biāo)的分布可以看出，任務(wù)完成率與資源消耗之間存在權(quán)衡關(guān)系。衛(wèi)星數(shù)量的增多提升了衛(wèi)星之間聯(lián)合觀測(cè)的的能力，從而提高了任務(wù)完成率，但額外的資源消耗使邊際效益逐漸趨于穩(wěn)定。

綜合得分指標(biāo)（CS）與完成率指標(biāo)（CR）結(jié)果在測(cè)試集上的分布

「我們的征途，是星辰大海」

當(dāng)人工智能注入衛(wèi)星星座，讓太空設(shè)施具備感知、決策與協(xié)同的自主能力，人類探索與利用太空的邊界正被不斷拓寬。北航團(tuán)隊(duì)的AEOS-Bench基準(zhǔn)與AEOS-Former模型，不僅為衛(wèi)星星座規(guī)劃提供了高效解決方案，更印證了空天具身智能的巨大潛力。

當(dāng)前，我們正站在新時(shí)代的起點(diǎn)，一起見(jiàn)證空天具身智能的未來(lái)藍(lán)圖。

論文鏈接：https://arxiv.org/abs/2510.26297
項(xiàng)目主頁(yè)：https://buaa-colalab.github.io/AEOSBench/