5.4 智能GNC：自主导航与人工智能决策

5.4 智能 GNC：自主导航与人工智能决策

本节摘要：什么任务真正需要自主（按时延与光照判断）、视觉自主导航的技术路线、人工智能在任务规划与故障处置中的层级、智能算法上天的验证难题。

深空探测圈有个心照不宣的数字：单程通信时延。月球约 1.3 秒，火星 4 到 24 分钟，木星更久。这意味着火星车前方是悬崖时，等地球的指令到达已经摔完。自主不是科幻点缀，是物理时延逼出来的必选项。判断一个任务是否需要自主 GNC，看两个量：通信时延有多长、通信窗口有多稀。时延秒级以内可以遥控为主；分钟级就必须在轨实时决策；窗口稀疏（深空探测器经常几周没有有效通信）则要自主规划整个任务序列。

自主导航：把眼睛装到飞行器上

深空自主导航的主流路线是光学导航：相机拍摄目标天体（或其卫星、小行星）在星背景中的位置，天体中心的像素位置结合星历直接解算飞行器位置——本质是 5.1 节天文导航的实时化、自动化版本。另一个路线是脉冲星导航，用毫秒脉冲星信号的时间特征当"天然信标"，仍处于试验阶段。着陆级自主导航则更立体：下降相机+激光测高+地形匹配，火星着陆的"恐怖七分钟"里，障碍检测与规避算法实时比较预定着陆区与实际地形，自主平移落点——好奇号与毅力号的成功降落都有这套系统的功劳。

# 为什么火星着陆必须全自主：算一遍通信往返
d_min, d_max = 5.5e7, 4.0e8      # 地火距离米
c = 3.0e8
for name, d in [("最近距离", d_min), ("远距离", d_max)]:
    t = 2 * d / c
    print(f"{name}：遥控往返需 {t/60:.1f} 分钟")
# 6.1分钟 到 44.4分钟 —— 着陆全程约7分钟，等指令=坠毁
​

智能在 GNC 里的层级：别让它抓舵

人工智能在飞行器上的正确位置值得严格限定。业内共识的分界线：底层控制回路（毫秒级姿态跟踪）仍然属于经典控制——可验证、时延确定、失效模式清楚；智能算法放在其上的规划与决策层——任务序列规划、资源调度、故障诊断与处置选择。原因有三：神经网络输出不可解释，认证机构无法给出安全性证明；智能模型对训练分布外的工况没有可靠性承诺；底层回路要求的确定性与实时性恰恰是当前智能模型的弱项。

这个分层下已经实用的例子不少：卫星的成像任务规划（云层预报与轨道窗口联合优化，数学规划与启发式算法混用）、星座的频谱与功率调度、探测器的序列自主（把"下周的科学目标"翻译成命令序列的规划器）、遥感在轨目标的智能初筛（见 6.2 节）。共同特点是：决策错了可以重来的场景先上，错了就摔的场景后上。

集群协同：多智能体的新问题

低轨星座与卫星集群给 GNC 带来了分布式的新维度：几十上百颗卫星要协同保持构型、避让碎片、共享任务。经典思路是地面集中规划上传，但大规模星座的星间自主协同（协商式任务分配、分布式避碰）正在试验。难点从算法转移到通信拓扑——协同算法的表现强依赖谁和谁说得上话，而星座拓扑本身在轨道动力学下持续变化。

一个案例展开：卫星在轨故障的智能诊断

某通信卫星转发器增益异常。传统处置：地面工程师拉遥测曲线、逐条通道排查，天级。智能诊断系统的做法：把历史上所有遥测异常案例与处置结果做成知识库，实时遥测进入贝叶斯网络与规则引擎混合的诊断器，给出"疑似行波管电源模块退化，置信度 0.82，建议切换备份通道"的结论，值班员确认执行。整个过程小时级甚至分钟级。关键设计：系统只做诊断与建议，执行权留在人手里——这是当前智能系统上天的主流形态：增强人，不是替代人。

⚠️ 最大的坑是拿地面人工智能的算力预期做天上设计。星载处理器抗辐照、性能比地面消费级芯片落后数代，一个在地面服务器上轻松跑的模型，上星要在模型压缩、量化、专用加速芯片之间反复腾挪。先定算力预算，再谈算法选型。

自主性的阶梯：从"自主功能"到"自主系统"

把自主当成一个开关是错的，它是一条阶梯。最低一级是自主功能：单机自己完成任务，如姿控自稳、温控自调节，上世纪就有。第二级是自主任务段：某个飞行段全自主，如火星着陆的七分钟、再入黑障段（7.1 节）。第三级是自主任务序列：探测器按地面给定的目标自己规划几天到几周的命令序列，深空任务已在用。最高一级是自主任务体系：星座自组织、任务自分配、故障自处置，只在局部验证过。设计者要诚实地回答自己的系统站在哪一级、需要站到哪一级——每升一级，验证难度呈指数增长，因为组合状态空间爆炸。业内对最高一级的保守不是技术落后，是尚未建立"如何证明它安全"的方法论，这与 8.3 节系统工程验证对应关系的逻辑一脉相承。

再往应用层面看一个正在发生的例子：低轨星座的自主运行。数千颗卫星的日常运维（轨道保持、避碰配合、载荷调度）如果全部由地面人工操作，团队规模将随卫星数线性膨胀——经济上不成立。星座运营方的解法是把运管规则编码成自动化系统：常态下机器决策，边界情形升级给人。这条"人在环上"（监督式）而非"人在环中"（逐条审批）的运维模式，正是智能 GNC 在体系层的最终形态。

一个自测场景：给月球背面着陆任务定自主等级

用本节框架做一次完整推演。任务：着陆器在月球背面着陆——通信被月球遮挡、中继星弧段有限。第一步看时延与窗口：地月时延约 2.6 秒，遥控勉强可行但窗口稀疏，结论是需要至少"自主任务段"级别。第二步分解关键段：动力下降段约十几分钟、地形规避决策窗口秒级，必须全自主；下降前的轨道修正可以地面在弧段内完成。第三步验证策略：地形匹配算法要在地面用月球轨道器照片建地形库做数千次蒙特卡洛仿真，着陆逻辑用规则与阈值保证可判定性，神经网络只出现在感知输出层并加传统算法兜底。这个推演展示了智能 GNC 设计的完整思路——按任务的时间结构切分自主等级，按失效后果分配算法的可解释性要求。掌握这套推演方法，比记住任何单项技术都更有长期价值。

本节要点回顾

• 自主的必要性由时延与窗口决定，火星着陆是全自主的教科书场景；
• 光学导航是深空自主的主线，地形相对导航支撑了障碍规避着陆；
• 智能的正确层级是规划与决策，毫秒级控制回路仍属经典方法；
• 上天的智能形态是"诊断与建议、人执最终决定"的增强模式；
• 星载算力落后地面数代，算力预算先于算法选型。

GNC 讲完，飞行器会自己飞了。但所有这些数据与决策还要与地面、与星座同伴交换——下一节讲测控通信与星座网络。