近日，一項關于利用大型語言模型（LLM）進行航天器自主控制的研究引起關注。研究人員通過模擬競賽的方式，測試了 ChatGPT 在航天器操控方面的表現。結果顯示，ChatGPT 在自主航天器模擬競賽中取得了第二名的優異成績，僅次于一個基于不同方程的模型。這一成果不僅展示了 LLM 在航天領域的應用潛力，也為未來的航天自主系統開發提供了新的思路。
隨著航天技術的不斷發展，衛星數量不斷增加，未來人類將無法手動控制所有衛星。此外，在深空探測中，光速的限制使得我們無法實時直接控制航天器。因此，開發能夠自主進行決策的機器人系統成為航天領域的重要發展方向。為了推動相關技術的創新，近年來航空航天研究人員創建了基于熱門游戲《坎巴拉太空計劃》的“坎巴拉太空計劃微分博弈挑戰賽”。這一挑戰賽為研究人員提供了一個相對真實的環境，用于設計、實驗和測試自主系統。競賽包括多種場景，例如追逐和攔截衛星的任務，以及躲避探測的任務。
在即將發表于《空間研究進展》雜志的一篇論文中，一個國際研究團隊介紹了他們的參賽方案：一款商業化的 LLM，類似于 ChatGPT 和 Llama。研究人員選擇使用 LLM 的原因在于，傳統的自主系統開發方法需要經過多次訓練、反饋和優化，而坎巴拉挑戰賽的使命是盡可能真實地模擬現實情況，這意味著任務可能僅持續數小時，因此持續優化模型是不切實際的。相比之下，LLM 已經在大量人類文本上進行了訓練，因此在最佳情況下，它們只需要經過少量的精心提示詞工程和幾次嘗試，就能為特定情境找到合適的上下文。
據IT之家了解，為了使 LLM 能夠實際操控航天器，研究人員開發了一種方法，將航天器的狀態和目標以文本形式進行描述，并將其傳遞給 LLM，請求其提供關于如何調整和操縱航天器的建議。隨后，研究人員開發了一個轉換層，將 LLM 基于文本的輸出轉換為能夠操作模擬航天器的功能代碼。通過一系列簡單的提示詞和一些微調，研究人員成功讓 ChatGPT 完成了挑戰中的許多測試任務，并最終在競賽中獲得第二名。
值得注意的是，這些研究工作是在 ChatGPT 最新的 4.0 版本發布之前完成的。盡管如此，LLM 在航天領域的應用仍面臨諸多挑戰，尤其是避免“幻覺”（即無意義的、不合理的輸出）的問題。在現實場景中，這種錯誤輸出可能會帶來災難性的后果。然而，這一研究結果仍然充分展示了即使是現成的 LLM，在吸收了大量人類知識后，也能以意想不到的方式被應用于實際工作中。 
