人工智能技術在空間態(tài)勢感知領域應用需求和建議

張昌芳,畢興

(國防科技大學前沿交叉學科學院國防科技戰(zhàn)略研究智庫,長沙 410073)

1 引言

空間態(tài)勢感知是對空間目標的信息獲取、信息處理、態(tài)勢的認知與認知產(chǎn)品的生成及其應用,以及對空間環(huán)境監(jiān)測的活動[1],是確?？臻g安全、保障空間任務順利實施的基礎。隨著空間技術的不斷發(fā)展和廣泛應用,空間變得越來越擁擠,競爭性和對抗性也越來越明顯,尤其是隨著低軌大規(guī)模星座爆發(fā)、空間系統(tǒng)功能模糊性增加、空間事件頻繁發(fā)生,空間安全環(huán)境更加復雜、多變且充滿不確定性,空間態(tài)勢感知的戰(zhàn)略地位更加突出,給空間態(tài)勢感知系統(tǒng)帶來了挑戰(zhàn)和壓力,同時對空間態(tài)勢感知系統(tǒng)的全面性、精細性、及時性和深入性提出了新要求,特別是對其規(guī)模容量、感知精度、反應速度和認知深度提出了新要求。人工智能技術能夠提高信息獲取、信息處理、信息呈現(xiàn)和分發(fā)的質量和速度,可為空間態(tài)勢感知系統(tǒng)具備上述能力提供重要支撐。

2 空間安全新形勢對空間態(tài)勢感知能力提出了新要求

2.1 空間目標爆發(fā)式增長,對空間態(tài)勢感知系統(tǒng)的規(guī)模容量提出新要求

近年來,空間目標呈爆發(fā)式增長,表現(xiàn)在:一是空間活動目標數(shù)量增多,二是空間碎片數(shù)量呈加速增長趨勢,空間目標數(shù)量呈現(xiàn)數(shù)量級爆發(fā)增長態(tài)勢,對空間態(tài)勢感知系統(tǒng)的編目能力帶來巨大壓力和挑戰(zhàn)。首先,低軌大規(guī)模星座的爆發(fā)式發(fā)展,以SpaceX“星鏈”衛(wèi)星為例,從2018年發(fā)射2顆原型衛(wèi)星開始,截止到2021年3月14日,通過25次發(fā)射任務,發(fā)射總數(shù)為1325顆,特別是2021年1月以來,22次將1313顆衛(wèi)星送入軌道,至今正常工作的衛(wèi)星有1200多顆,如圖1所示,短時間內使空間活動目標爆發(fā)式增加。其次,雖然長期以來,國際上已就空間碎片減緩達成一些共識,但具體的減緩措施落實得并不理想,而空間碎片主動清除依然面臨著一系列的政治、法律、經(jīng)濟和技術挑戰(zhàn),至今尚未形成高效實用的系統(tǒng),空間碎片環(huán)境尚未得到有效控制。而低軌大規(guī)模星座的快速發(fā)展則進一步加劇了空間碎片環(huán)境的惡化。表1給出了1957年以來編目、在軌和再入空間目標的數(shù)量變化情況[2]?？梢钥闯鼋陙砜臻g目標編目數(shù)量和在軌目標數(shù)量急劇增加。注意,這僅是當時空間目標監(jiān)視系統(tǒng)“可見”的空間目標數(shù)量情況。隨著以美國新一代 “太空籬笆”(其編目能力將近20萬[3])為代表的高性能空間態(tài)勢感知裝備不斷投入使用,“可見”的空間目標數(shù)量將進一步增加。因而空間活動目標的急劇增加、空間碎片的持續(xù)加速增長,以及空間態(tài)勢感知系統(tǒng)性能的不斷提升,都對感知系統(tǒng)的規(guī)模容量提出了新的要求。

表1 1957年以來空間目標數(shù)量變化情況Table 1 Changes in the number of space targets since 1957

圖1 SpaceX“星鏈”衛(wèi)星發(fā)射情況Fig.1 The launches of the SpaceX Starlink satellites

2.2 空間系統(tǒng)功能日趨復雜,對空間態(tài)勢感知系統(tǒng)的感知精度提出新要求

近年來,空間系統(tǒng)功能日趨復雜。傳統(tǒng)面向空間任務的單顆大衛(wèi)星方案存在成本高、生存能力和快速響應能力弱、參數(shù)可調整性和功能可重構性低等缺點,不能完全滿足當前空間安全形勢和不斷增長且復雜多樣的航天任務需求。在彈性空間體系理念的牽引下以及小衛(wèi)星等相關技術的推動下,多個航天器協(xié)同工作的分布式空間系統(tǒng)成為空間技術的一個重要發(fā)展趨勢:一是衛(wèi)星星座、衛(wèi)星編隊廣泛運用,例如 GPS導航星座、“星鏈”、黑杰克項目等;二是新形態(tài)的航天裝備——天基集群逐漸興起,天基集群可根據(jù)任務需求,動態(tài)調整構建任務子群,具有較強的魯棒性和冗余性,系統(tǒng)成本低、可重構性和容錯性強,對復雜任務的適應性好[4]。此外,空間系統(tǒng)軟件化特征明顯,例如近年來美國和歐洲發(fā)展的軟件定義衛(wèi)星可以通過軟件更新對衛(wèi)星的功能特性進行重新配置[5],可以大幅提升通信衛(wèi)星運行制造的靈活性,未來還可以實現(xiàn)一星多能、一星多用。與之對應,空間態(tài)勢感知系統(tǒng)需要重點針對那些可能對己方航天器構成威脅的重點空間目標或新發(fā)現(xiàn)目標,精密測量其軌道參數(shù),詳細識別其外形結構、材質、載荷特征,同時需要準確研判分布式、軟件定義等復雜空間系統(tǒng)的屬性、功能、協(xié)同關系和能力水平,從而對空間態(tài)勢感知系統(tǒng)的感知精度提出新要求。

2.3 空間事件發(fā)生更加頻繁,對空間態(tài)勢感知系統(tǒng)的反應速度提出新要求

近年來,空間事件發(fā)生更加頻繁。一是進出空間事件增多。隨著進入空間門檻的降低以及商業(yè)航天發(fā)射服務市場的成熟完善,空間發(fā)射越來越頻繁。特別是低軌大規(guī)模小衛(wèi)星星座中的衛(wèi)星通常具有較短的生命周期,需要不停地進出空間,大大增加了空間發(fā)射和軌道再入事件發(fā)生的次數(shù)。二是航天器解體事件增多。例如,2019年3月27日,印度進行動能反衛(wèi)試驗,其Microsat-R衛(wèi)星被撞解體;2021年3月10日,美國8年前退役的一顆極軌氣象衛(wèi)星 (NOAA-17)解體,8天后,運行時長尚不足2年的中國氣象衛(wèi)星 “云?！币惶?2星在軌道發(fā)生碎裂。三是在軌碰撞概率增大。例如根據(jù)仿真計算以及歐空局(ESA)、美國國家航空航天局 (NASA)研究表明,僅一網(wǎng)公司位于1200km軌道高度的720顆衛(wèi)星星座運行階段單年的危險交會次數(shù)就已經(jīng)超過現(xiàn)在全部空間目標全年的危險交會次數(shù)[6]。四是在軌機動事件逐漸增多。為了規(guī)避碰撞,需要執(zhí)行的在軌機動也會增多。例如2019年9月2日,ESA地球觀測衛(wèi)星Aeolus為了避免和SpaceX“星鏈”衛(wèi)星發(fā)生碰撞,而采取了機動規(guī)避[6]。另外,隨著天基空間態(tài)勢感知和護衛(wèi)、在軌維護、在軌裝配以及空間碎片主動清除等技術的進一步發(fā)展,也將促使在軌機動這類空間事件頻繁發(fā)生。上述空間事件對航天發(fā)射、在軌航天器安全運行具有重要影響,需要對相關空間目標進行實時監(jiān)視跟蹤,判斷其類型和對己方航天器的威脅程度,及時引導空間態(tài)勢感知系統(tǒng)的信息獲取工作,從而對空間態(tài)勢感知的反應速度提出新要求。

2.4 空間系統(tǒng)行為意圖愈加難辨,對空間態(tài)勢感知系統(tǒng)的認知深度提出新要求

近年來,空間系統(tǒng)行為意圖愈加難辨。一是空間技術具有較強的軍民兩用性,商用、民用和軍用衛(wèi)星網(wǎng)絡相互關聯(lián)[7]。例如,雖然 “星鏈”是SpaceX的一項商業(yè)低軌衛(wèi)星星座計劃,但其與美國軍方存在合作。2019年3月,美國空軍要求SpaceX在3年時間內對 “星鏈”開展軍事服務演示驗證。二是天基空間近距離態(tài)勢感知衛(wèi)星、護衛(wèi)衛(wèi)星可能兼具天基近距離攻擊能力,例如 “地球同步軌道空間態(tài)勢感知計劃” (GSSAP)是美軍高軌空間態(tài)勢感知系統(tǒng),具有較強的軌道機動能力,可能兼顧空間進攻能力。三是在軌維修、在軌燃料加注、空間碎片清除系統(tǒng)具有攻擊衛(wèi)星的潛力,在一定情況下可能用作新一代天基反衛(wèi)武器。例如,美國NASA機器人在軌加注任務驗證的切割、處理等能力可用于太空對抗任務[8],歐洲 “空間碎片移除”(RemoveDebris)任務在2018年到2019年先后驗證了多項空間碎片移除關鍵技術,該技術與運動跟蹤技術相結合,可形成完整的反衛(wèi)手段[9]。在上述軍民兩用、感知/護衛(wèi)攻擊兩用、維護攻擊兩用的技術背景下,相關空間系統(tǒng)使用行為意圖存在較強的模糊性,空間態(tài)勢感知系統(tǒng)需要深入挖掘重點空間目標的深層屬性,系統(tǒng)辨識空間系統(tǒng)行為模式,深度研判空間系統(tǒng)的行為意圖,科學評估空間系統(tǒng)的威脅程度,從而對空間態(tài)勢感知系統(tǒng)的認知深度提出新要求。

3 空間態(tài)勢感知能力新發(fā)展需要人工智能技術的融入

面對日益復雜、多變的空間安全環(huán)境,空間任務領域的指揮員不僅要全面掌握空間重點目標和目標群體的運動狀態(tài)、能力特性和行為意圖,還要對各種空間安全威脅進行準確評估。傳統(tǒng)基于人工和計算機簡單輔助決策的空間態(tài)勢感知已經(jīng)無法適應新形勢下確?？臻g安全、保障空間任務順利實施的要求。需要將深度學習等人工智能技術引入到空間態(tài)勢感知領域,為指揮員提供更加全面、準確、及時和深入的空間安全態(tài)勢,為空間安全、空間活動的指揮控制提供科學有效的支撐。具體地,新形勢下空間態(tài)勢信息獲取、空間態(tài)勢感知信息處理以及空間態(tài)勢感知產(chǎn)品呈現(xiàn)和分發(fā)領域均需要應用人工智能技術。

3.1 空間態(tài)勢感知信息獲取領域

新形勢下,空間態(tài)勢感知系統(tǒng)需要對更多更小的空間目標進行觀測,需要獲取重點目標更為詳盡的特征信息,需要更及時地獲取動態(tài)的空間目標信息,整體上信息獲取的體量增大、種類增多、時效性要求提高。但受到技術、成本和地理位置等因素的限制,空間目標觀測傳感器在數(shù)量和質量水平現(xiàn)狀與不斷增長的空間態(tài)勢感知需求之間的矛盾將持續(xù)存在。為了使已有資源發(fā)揮最大效益,最大限度地滿足空間態(tài)勢感知在全面性、精細性、及時性和深入性,需要將天基/地基、光電/雷達、專用/兼用/可用等大量不同傳感器資源統(tǒng)一調度 (即空間態(tài)勢感知系統(tǒng)資源調度),而人工智能技術可以在資源狀態(tài)、任務需求和規(guī)劃目標等共同約束下的調度問題模型[10]求解中發(fā)揮重要作用,同時還可以根據(jù)后續(xù)的威脅評估對傳感器進行實時反饋,實現(xiàn)對重點目標群體的最優(yōu)觀測。

另一方面,傳統(tǒng)的天基態(tài)勢感知,需要事先知道觀測衛(wèi)星的精密星歷[11],即觀測衛(wèi)星必須依賴地面或其他額外信息,生存能力弱、運行成本高。天基態(tài)勢感知平臺特別是高軌態(tài)勢感知平臺自主化、智能化是未來的發(fā)展趨勢,例如美國局部空間自主導航與制導試驗衛(wèi)星 (ANGELS)衛(wèi)星演示驗證的技術顯示其特別注重平臺的自主能力[12]。

3.2 空間態(tài)勢感知信息處理領域

具體表現(xiàn)在4個方面。

一是空間目標編目問題。雖然現(xiàn)有的空間監(jiān)視傳感器,如美國的AFSSS監(jiān)視系統(tǒng)[13]以及新“太空籬笆”系統(tǒng)均具有較強的自主編目能力。但隨著空間目標絕對數(shù)量增多,以及傳感器 “可見”目標比例提高,空間目標觀測數(shù)據(jù)體量越來越大,空間目標觀測信息維度也逐漸增大,現(xiàn)有簡單自主編目能力將難以適應,這就需要引入能力更強的人工智能技術,實現(xiàn)高度自主判斷、決策和編目能力。

二是空間事件檢測問題。在空間安全新形勢下,及時發(fā)現(xiàn)航天器入軌、碰撞、軌道機動等空間事件非常重要。例如,在軌道機動檢測過程中,基于歷史數(shù)據(jù)的機動檢測涉及數(shù)量巨大的目標的歷史軌道數(shù)據(jù)分析,軌道實時觀測數(shù)據(jù)處理涉及海量空間目標的數(shù)據(jù)關聯(lián)問題,均需要應用人工智能技術來提高檢測結果準確性和檢測效率。

三是空間系統(tǒng)的能力特性評估問題。如前所述,空間系統(tǒng)功能日趨復雜,部分系統(tǒng)規(guī)模和(或)功能動態(tài)可重構,難以通過建立的精確數(shù)學模型對其能力特性進行評估,而深度學習具有多層特征學習能力,可為空間系統(tǒng)在時間、空間和交互方面的錯綜復雜關系提供支持[14],從而能夠部分解決該問題。

四是空間系統(tǒng)行為模式識別和意圖判斷問題?？臻g系統(tǒng)的行為復雜多樣,無法根據(jù)精確固定的模型來對其進行刻畫,通過深度學習可實現(xiàn)對行為模型的動態(tài)升級[15]。意圖與行為有時存在一定的對應關系 (例如,高軌軍用衛(wèi)星大范圍變軌意味著實施抵近偵察、調整對觀測范圍以及攻擊敵方衛(wèi)星等作戰(zhàn)意圖[16]),有時不存在明確的關聯(lián)。深度學習技術具有非線性表達能力、多層特征學習能力以及自主特征抽取能力,可適應空間安全態(tài)勢信息不完全、不確定和高度動態(tài)的特性[14],可為空間態(tài)勢深層認知提供支持,從而為將信息優(yōu)勢轉換為決策優(yōu)勢奠定基礎[17]。

3.3 空間態(tài)勢感知產(chǎn)品呈現(xiàn)和推送領域

空間態(tài)勢感知系統(tǒng)需要將合適的態(tài)勢感知產(chǎn)品及時準確地呈現(xiàn)和推送給合適的用戶?？臻g態(tài)勢感知的用戶有衛(wèi)星運營商、航天發(fā)射部門、空間對抗部門等,不同用戶關注的空間態(tài)勢范圍和重點差異較大,即不同用戶對態(tài)勢感知信息的需求不同,因此在態(tài)勢產(chǎn)品呈現(xiàn)和推送之前,應該解決待呈現(xiàn)的目標范圍以及相應目標的信息內容問題。人工智能技術可對用戶和空間態(tài)勢感知產(chǎn)品之間的動態(tài)關系進行實時建模學習,通過學習掌握兩者之間的隱含的、復雜的非線性關系,可以準確把握用戶行為模式和感興趣的事件等個性化需求,從而可以在統(tǒng)一底層數(shù)據(jù)的基礎上,為不同的用戶角色定制個性化的態(tài)勢感知產(chǎn)品[17],從根本上解決一直以來 “信息泛濫”和 “信息缺乏”共存的矛盾問題。

4 人工智能技術在空間態(tài)勢感知領域的應用建議

4.1 強化知識-數(shù)據(jù)混合驅動的應用理念

基于知識和經(jīng)驗的人工智能可以模擬人的推理、規(guī)劃、決策等理性智能行為,通過為機器建立知識庫和推理機制,來實現(xiàn)對人類推理和思考行為的模擬,但嚴重依賴專家知識,難以處理不確定的知識。例如,傳統(tǒng)的海域態(tài)勢感知以 “知識驅動”,對軍事專家的知識和經(jīng)驗依賴程度高,主要處理結構化數(shù)據(jù),而且按相對固定的流程進行處理,靈活性較差[18]?；跀?shù)據(jù)驅動的人工智能,通過深度神經(jīng)網(wǎng)絡模擬人類的感知行為和推理行為,對領域知識的依賴度低,可以處理大數(shù)據(jù),但存在處理結果不完全、不可靠、不可解釋等問題。類似地,將基于知識經(jīng)驗的人工智能和基于數(shù)據(jù)驅動的人工智能理念單獨應用到空間態(tài)勢感知領域都存在局限性,均難以滿足空間態(tài)勢感知面臨的新形勢新任務。因此,人工智能技術應用在空間態(tài)勢感知領域,應將知識驅動和數(shù)據(jù)驅動兩種人工智能理念有效結合起來,充分發(fā)揮知識、數(shù)據(jù)、算法和算力的綜合優(yōu)勢,同時具有較好的邏輯性、智能性和自主性[18]。

4.2 突出人機互相學習深度交互的應用模式

為有效地將知識驅動和數(shù)據(jù)驅動的人工智能應用到空間態(tài)勢感知領域,用戶和機器之間應互相學習,互相建構,共同推動空間態(tài)勢認知水平的螺旋式上升。一方面,機器需要主動學習用戶的作業(yè)行為,理解各種擬人化的交流方式[19],掌握用戶意圖,實現(xiàn)精準化的空間態(tài)勢感知服務[20]。另一方面,機器將空間態(tài)勢感知圖、態(tài)勢預測和推薦計劃以用戶容易理解的方式呈現(xiàn),用戶對其進行修改完善后,機器據(jù)此補充調整自身的態(tài)勢認知。該方面需要解決的問題包括:基于多樣化人機交互手段的用戶意圖和行為模式導入,態(tài)勢狀態(tài)和態(tài)勢預測的可視化呈現(xiàn),以及態(tài)勢認知的動態(tài)調整等。

4.3 建設空間安全環(huán)境模擬仿真的應用條件

從聯(lián)合作戰(zhàn)態(tài)勢感知到聯(lián)合作戰(zhàn)態(tài)勢智能認知,樣本稀缺是無法回避的問題[21]?？臻g作為一個獨立的安全領域,對其態(tài)勢進行智能認知也面臨著同樣的問題。主要因為:空間威脅的多樣性、空間力量的戰(zhàn)略性和軍民兩用性以及對手的隱蔽性和欺騙性都使得獲取完全的空間態(tài)勢感知數(shù)據(jù)非常困難;受制于外空幾大條約約束,截至目前尚沒有發(fā)生公開的空間實戰(zhàn),空間戰(zhàn)演習的場次也非常有限,相關的空間態(tài)勢感知數(shù)據(jù)樣本非常稀少;空間戰(zhàn)略性地位決定了空間態(tài)勢感知數(shù)據(jù)是一個基礎性的國家戰(zhàn)略資產(chǎn),共享范圍非常有限。未來空間安全態(tài)勢平行仿真將是人工智能技術在空間態(tài)勢感知領域充分發(fā)揮作用的一個必要條件,應進一步加強空間安全環(huán)境模擬仿真條件建設。

5 結語

空間安全環(huán)境的擁擠性、復雜性、動態(tài)性和不確定性持續(xù)增加,給空間態(tài)勢感知提出了新要求。為適應這些新要求,需要在空間態(tài)勢感知信息獲取、空間態(tài)勢感知信息處理以及空間態(tài)勢感知產(chǎn)品呈現(xiàn)和推送三個領域融入人工智能技術。為提高人工智能技術在空間態(tài)勢感知領域的應用效果,建議強化知識-數(shù)據(jù)混合驅動的應用理念、突出人機互相學習深度交互的應用模式、建設空間安全環(huán)境模擬仿真的應用條件。