在国际空间站（ISS）的复杂环境中，一项突破性技术近日成功完成验证，为未来太空任务的自主化铺平了道路。斯坦福大学研究团队开发的基于机器学习的导航系统，首次在轨道上实现了机器人自主穿越狭窄通道与设备密集区域的能力，标志着太空机器人技术迈入新阶段。

　　实验以国际空间站部署的立方体机器人“Astrobee”为测试平台。该机器人此前需依赖宇航员手动操控或地面指令，而新系统使其能够独立规划路径并规避障碍。研究团队针对太空环境的特殊性，设计了一套结合优化算法与机器学习的混合方案：通过序列凸规划生成安全路径，再利用数千组历史数据训练的模型提供“经验式初始解”，将计算效率提升50%至60%，尤其在狭小空间或复杂旋转机动场景中表现显著。

　　项目负责人索姆丽塔·班纳吉（Somrita Banerjee）比喻称，这一过程类似于城市导航时优先选择常用路线而非理论最短路径。“我们让机器人从经验出发，再结合实时环境优化决策。”她解释道。团队在NASA艾姆斯研究中心的微重力模拟平台完成地面测试后，将系统部署至空间站，由宇航员仅负责初始设置，后续操作完全由机器人自主完成，地面团队通过远程指令监控。

　　在18组对比实验中，AI驱动的“热启动”模式在挑战性场景中展现出明显优势。例如，穿越仅比机器人宽度多20厘米的通道时，新系统耗时较传统“冷启动”方法缩短近六成。论文资深作者马尔科·帕沃内（Marco Pavone）强调，太空环境的计算资源限制与高安全性要求，迫使团队突破地面机器人技术的移植框架，开发出专为轨道设计的轻量化解决方案。

　　NASA已将该技术评定为技术就绪等级5级，确认其可在真实太空环境中稳定运行。这一认证将降低未来深空探测任务的技术风险，例如月球基地建设或火星样本采集等需要长期自主作业的场景。班纳吉指出，随着任务规模扩大，依赖地面遥操作的模式将不可持续，“当机器人距离地球数亿公里时，实时控制延迟可能长达数十分钟，自主决策能力至关重要”。

　　研究团队正探索引入更先进的人工智能架构，类似驱动自动驾驶与大语言模型的核心算法，以提升机器人在未知环境中的应变能力。帕沃内透露，下一阶段将测试系统在动态障碍物规避、多机器人协同等场景中的表现，为2030年代载人火星任务的前期探索提供技术储备。