面向「空天具身智能」，北航團隊提出星座規劃新基準丨NeurIPS’25
當Transformer飛向太空：內嵌物理約束，調度衛星星座如臂使指
AEOS-Bench&AEOS-Former團隊 投稿
量子位 | 公眾號 QbitAI
將衛星星座送入軌道我們都知道很難，但高效規劃調度在軌衛星星座執行任務也不簡單。
隨著部署的星座規模越來越大，通過人力進行任務規劃的效率已經趕不上衛星的任務執行效率，于是研究人員將希望寄托在了AI上。
衛星星座任務規劃效果展示
衛星星座是由多顆衛星組成的協同網絡，具備遠超單星的全球覆蓋、快速響應和高頻觀測能力。從美國的巨型衛星通信星座到我國的“千帆”星座，衛星星座已從科幻概念走向產業核心，成為數字經濟時代的基礎設施。
這些運行在距地數百公里的衛星星座，正默默支撐著遙感、通信、導航、氣象預測等關鍵行業。但每一個穩定運行的星座背后，都藏著一個高維、動態、強約束的規劃難題。如何在短短幾分鐘的觀測窗口內，調度數十顆衛星形成協同觀測網絡，執行上百項任務，同時響應地震救援、海上搜救、森林火災等突發需求？人工智能技術正在成為破解這一難題的關鍵鑰匙。北航劉偲教授團隊提出首個大規模真實星座調度基準AEOS-Bench，更創新性地將Transformer模型的泛化能力與航天工程的專業需求深度融合，訓練內嵌時間約束的調度模型AEOS-Former。這一組合為未來的“AI星座規劃”奠定了新的技術基準。
該研究目前已發表于NeurIPS 2025。
星座雖好，規劃太難
與單顆衛星相比，星座通過多星協同實現了覆蓋范圍、并行能力的指數級擴展。在搶險救災、應急救援等場景中實現秒級響應。更重要的是，星座的分布式架構具備極強的容錯性，單星故障不會導致整體系統癱瘓，這對航天任務的穩定性至關重要。但這些優勢背后，隨著衛星數量增多、任務變復雜，調度規劃成了大難題。
衛星星座任務規劃場景示意圖
1. 任務量大：以美國SkySat星座為例，13顆衛星日均需處理超百項任務，擴展到21顆后，人工調控的復雜度急劇上升。
2. 時間窗口緊張：衛星繞地速度極快，地面任意區域的可觀測時間常不足5分鐘，任何誤差都可能造成觀測失敗。
3. 突發任務難應對：我國“女媧星座”在災害響應時，緊急觀測任務完成率常不足60%，現有方法在高時效性需求下的響應能力有限。
4. 約束條件復雜：衛星的視場角、電池功耗、姿態調整時間等物理限制相互影響，讓調度難度呈指數級上升。
任務規劃關鍵時間節點及挑戰
為AI星座規劃師「出題」
為了擬合真實衛星場景，北航團隊基于Basilisk引擎開發了高保真仿真平臺，還原了衛星在軌道動力學、姿態控制、功耗等方面的物理特性。通過精細優化衛星資產和嚴格篩選，形成高質量標注數據，構建了AEOS-Bench基準數據集。相比以往數據集，其核心特征如下：
1. 大規模：包含16k+個衛星星座任務場景，每個場景涵蓋1~50顆衛星、50~300項成像任務及3600個時間步長，覆蓋不同尺度衛星與任務規模。
2. 真實性：所有場景均在上述仿真平臺生成并評估，確保衛星行為的物理準確性。本研究進一步引入從開源爬取的真實衛星數據形成測試集，支持算法在真實數據上的性能驗證。
3. 全面性：AEOS-Bench涵蓋任務完成率、周轉時間、功耗等6類評估指標，并通過綜合得分作為核心度量。
AEOS-Bench構建流程圖
內嵌時間約束的星座調度模型
北航團隊基于AEOS-Bench數據集訓練了基于Transformer架構的內嵌約束調度模型AEOS-Former，能夠在不同規模的場景有效完成衛星規劃。AEOS-Former主要由以下模塊組成：
1. 內嵌約束模塊：顯式建模衛星成像設備視場、電池狀態等限制，預測任務可行性概率與最小控制時間，生成約束驅動的注意力掩碼。
2. 編碼器解碼器實現衛星-任務匹配：嵌入衛星靜態參數（軌道）與動態狀態（實時姿態），借助內嵌約束模塊信息，預測每個衛星與任務相關的概率，并決定下一步的匹配方案。
AEOS-Former總體架構示意圖
AI規劃師表現如何？
北航團隊使用AEOS-Bench基準數據集，在仿真閉環測試環境下對多個模型進行了系統評估，采用六項指標進行量化分析，涵蓋任務完成度、時效性和能源效率。作為對比，測試了四個基線模型的性能，包括隨機模型、優化模型以及強化學習模型。實驗結果顯示AEOS-Former在所有測試數據劃分中均優于基線模型。
AEOS-Former與基線模型之間的性能比較
進一步從綜合得分指標與完成率指標的分布可以看出，任務完成率與資源消耗之間存在權衡關系。衛星數量的增多提升了衛星之間聯合觀測的的能力，從而提高了任務完成率，但額外的資源消耗使邊際效益逐漸趨于穩定。
綜合得分指標（CS）與完成率指標（CR）結果在測試集上的分布
「我們的征途，是星辰大海」
當人工智能注入衛星星座，讓太空設施具備感知、決策與協同的自主能力，人類探索與利用太空的邊界正被不斷拓寬。北航團隊的AEOS-Bench基準與AEOS-Former模型，不僅為衛星星座規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。
當前，我們正站在新時代的起點，一起見證空天具身智能的未來藍圖。
論文鏈接：https://arxiv.org/abs/2510.26297
項目主頁：https://buaa-colalab.github.io/AEOSBench/
- 半世紀難題48小時破解！陶哲軒組隊把AI數學玩成打怪游戲了2025-12-13
- 美國視頻生成老炮兒，入局世界模型2025-12-13
- 慧思開物全局調度，北京人形推出全國首個全自主無人化導覽解決方案2025-12-11
- 知名數學家辭職投身AI創業：老板是00后華人女生2025-12-06
相關閱讀
