近日，一项关于利用大型语言模型（LLM）进行航天器自主控制的研究引起关注。研究人员通过模拟竞赛的方式，测试了 ChatGPT 在航天器操控方面的表现。结果显示，ChatGPT 在自主航天器模拟竞赛中取得了第二名的优异成绩，仅次于一个基于不同方程的模型。这一成果不仅展示了 LLM 在航天领域的应用潜力，也为未来的航天自主系统开发提供了新的思路。
随着航天技术的不断发展，卫星数量不断增加，未来人类将无法手动控制所有卫星。此外，在深空探测中，光速的限制使得我们无法实时直接控制航天器。因此，开发能够自主进行决策的机器人系统成为航天领域的重要发展方向。为了推动相关技术的创新，近年来航空航天研究人员创建了基于热门游戏《坎巴拉太空计划》的“坎巴拉太空计划微分博弈挑战赛”。这一挑战赛为研究人员提供了一个相对真实的环境，用于设计、实验和测试自主系统。竞赛包括多种场景，例如追逐和拦截卫星的任务，以及躲避探测的任务。
在即将发表于《空间研究进展》杂志的一篇论文中，一个国际研究团队介绍了他们的参赛方案：一款商业化的 LLM，类似于 ChatGPT 和 Llama。研究人员选择使用 LLM 的原因在于，传统的自主系统开发方法需要经过多次训练、反馈和优化，而坎巴拉挑战赛的使命是尽可能真实地模拟现实情况，这意味着任务可能仅持续数小时，因此持续优化模型是不切实际的。相比之下，LLM 已经在大量人类文本上进行了训练，因此在最佳情况下，它们只需要经过少量的精心提示词工程和几次尝试，就能为特定情境找到合适的上下文。
据IT之家了解，为了使 LLM 能够实际操控航天器，研究人员开发了一种方法，将航天器的状态和目标以文本形式进行描述，并将其传递给 LLM，请求其提供关于如何调整和操纵航天器的建议。随后，研究人员开发了一个转换层，将 LLM 基于文本的输出转换为能够操作模拟航天器的功能代码。通过一系列简单的提示词和一些微调，研究人员成功让 ChatGPT 完成了挑战中的许多测试任务，并最终在竞赛中获得第二名。
值得注意的是，这些研究工作是在 ChatGPT 最新的 4.0 版本发布之前完成的。尽管如此，LLM 在航天领域的应用仍面临诸多挑战，尤其是避免“幻觉”（即无意义的、不合理的输出）的问题。在现实场景中，这种错误输出可能会带来灾难性的后果。然而，这一研究结果仍然充分展示了即使是现成的 LLM，在吸收了大量人类知识后，也能以意想不到的方式被应用于实际工作中。
