张昌芳,毕兴

(国防科技大学前沿交叉学科学院国防科技战略研究智库,长沙 410073)

1 引言

空间态势感知是对空间目标的信息获取、信息处理、态势的认知与认知产品的生成及其应用,以及对空间环境监测的活动[1],是确保空间安全、保障空间任务顺利实施的基础。随着空间技术的不断发展和广泛应用,空间变得越来越拥挤,竞争性和对抗性也越来越明显,尤其是随着低轨大规模星座爆发、空间系统功能模糊性增加、空间事件频繁发生,空间安全环境更加复杂、多变且充满不确定性,空间态势感知的战略地位更加突出,给空间态势感知系统带来了挑战和压力,同时对空间态势感知系统的全面性、精细性、及时性和深入性提出了新要求,特别是对其规模容量、感知精度、反应速度和认知深度提出了新要求。人工智能技术能够提高信息获取、信息处理、信息呈现和分发的质量和速度,可为空间态势感知系统具备上述能力提供重要支撑。

2 空间安全新形势对空间态势感知能力提出了新要求

2.1 空间目标爆发式增长,对空间态势感知系统的规模容量提出新要求

近年来,空间目标呈爆发式增长,表现在:一是空间活动目标数量增多,二是空间碎片数量呈加速增长趋势,空间目标数量呈现数量级爆发增长态势,对空间态势感知系统的编目能力带来巨大压力和挑战。首先,低轨大规模星座的爆发式发展,以SpaceX“星链”卫星为例,从2018年发射2颗原型卫星开始,截止到2021年3月14日,通过25次发射任务,发射总数为1325颗,特别是2021年1月以来,22次将1313颗卫星送入轨道,至今正常工作的卫星有1200多颗,如图1所示,短时间内使空间活动目标爆发式增加。其次,虽然长期以来,国际上已就空间碎片减缓达成一些共识,但具体的减缓措施落实得并不理想,而空间碎片主动清除依然面临着一系列的政治、法律、经济和技术挑战,至今尚未形成高效实用的系统,空间碎片环境尚未得到有效控制。而低轨大规模星座的快速发展则进一步加剧了空间碎片环境的恶化。表1给出了1957年以来编目、在轨和再入空间目标的数量变化情况[2]。可以看出近年来空间目标编目数量和在轨目标数量急剧增加。注意,这仅是当时空间目标监视系统“可见”的空间目标数量情况。随着以美国新一代 “太空篱笆”(其编目能力将近20万[3])为代表的高性能空间态势感知装备不断投入使用,“可见”的空间目标数量将进一步增加。因而空间活动目标的急剧增加、空间碎片的持续加速增长,以及空间态势感知系统性能的不断提升,都对感知系统的规模容量提出了新的要求。

表1 1957年以来空间目标数量变化情况Table 1 Changes in the number of space targets since 1957

图1 SpaceX“星链”卫星发射情况Fig.1 The launches of the SpaceX Starlink satellites

2.2 空间系统功能日趋复杂,对空间态势感知系统的感知精度提出新要求

近年来,空间系统功能日趋复杂。传统面向空间任务的单颗大卫星方案存在成本高、生存能力和快速响应能力弱、参数可调整性和功能可重构性低等缺点,不能完全满足当前空间安全形势和不断增长且复杂多样的航天任务需求。在弹性空间体系理念的牵引下以及小卫星等相关技术的推动下,多个航天器协同工作的分布式空间系统成为空间技术的一个重要发展趋势:一是卫星星座、卫星编队广泛运用,例如 GPS导航星座、“星链”、黑杰克项目等;二是新形态的航天装备——天基集群逐渐兴起,天基集群可根据任务需求,动态调整构建任务子群,具有较强的鲁棒性和冗余性,系统成本低、可重构性和容错性强,对复杂任务的适应性好[4]。此外,空间系统软件化特征明显,例如近年来美国和欧洲发展的软件定义卫星可以通过软件更新对卫星的功能特性进行重新配置[5],可以大幅提升通信卫星运行制造的灵活性,未来还可以实现一星多能、一星多用。与之对应,空间态势感知系统需要重点针对那些可能对己方航天器构成威胁的重点空间目标或新发现目标,精密测量其轨道参数,详细识别其外形结构、材质、载荷特征,同时需要准确研判分布式、软件定义等复杂空间系统的属性、功能、协同关系和能力水平,从而对空间态势感知系统的感知精度提出新要求。

2.3 空间事件发生更加频繁,对空间态势感知系统的反应速度提出新要求

近年来,空间事件发生更加频繁。一是进出空间事件增多。随着进入空间门槛的降低以及商业航天发射服务市场的成熟完善,空间发射越来越频繁。特别是低轨大规模小卫星星座中的卫星通常具有较短的生命周期,需要不停地进出空间,大大增加了空间发射和轨道再入事件发生的次数。二是航天器解体事件增多。例如,2019年3月27日,印度进行动能反卫试验,其Microsat-R卫星被撞解体;2021年3月10日,美国8年前退役的一颗极轨气象卫星 (NOAA-17)解体,8天后,运行时长尚不足2年的中国气象卫星 “云海”一号02星在轨道发生碎裂。三是在轨碰撞概率增大。例如根据仿真计算以及欧空局(ESA)、美国国家航空航天局 (NASA)研究表明,仅一网公司位于1200km轨道高度的720颗卫星星座运行阶段单年的危险交会次数就已经超过现在全部空间目标全年的危险交会次数[6]。四是在轨机动事件逐渐增多。为了规避碰撞,需要执行的在轨机动也会增多。例如2019年9月2日,ESA地球观测卫星Aeolus为了避免和SpaceX“星链”卫星发生碰撞,而采取了机动规避[6]。另外,随着天基空间态势感知和护卫、在轨维护、在轨装配以及空间碎片主动清除等技术的进一步发展,也将促使在轨机动这类空间事件频繁发生。上述空间事件对航天发射、在轨航天器安全运行具有重要影响,需要对相关空间目标进行实时监视跟踪,判断其类型和对己方航天器的威胁程度,及时引导空间态势感知系统的信息获取工作,从而对空间态势感知的反应速度提出新要求。

2.4 空间系统行为意图愈加难辨,对空间态势感知系统的认知深度提出新要求

近年来,空间系统行为意图愈加难辨。一是空间技术具有较强的军民两用性,商用、民用和军用卫星网络相互关联[7]。例如,虽然 “星链”是SpaceX的一项商业低轨卫星星座计划,但其与美国军方存在合作。2019年3月,美国空军要求SpaceX在3年时间内对 “星链”开展军事服务演示验证。二是天基空间近距离态势感知卫星、护卫卫星可能兼具天基近距离攻击能力,例如 “地球同步轨道空间态势感知计划” (GSSAP)是美军高轨空间态势感知系统,具有较强的轨道机动能力,可能兼顾空间进攻能力。三是在轨维修、在轨燃料加注、空间碎片清除系统具有攻击卫星的潜力,在一定情况下可能用作新一代天基反卫武器。例如,美国NASA机器人在轨加注任务验证的切割、处理等能力可用于太空对抗任务[8],欧洲 “空间碎片移除”(RemoveDebris)任务在2018年到2019年先后验证了多项空间碎片移除关键技术,该技术与运动跟踪技术相结合,可形成完整的反卫手段[9]。在上述军民两用、感知/护卫攻击两用、维护攻击两用的技术背景下,相关空间系统使用行为意图存在较强的模糊性,空间态势感知系统需要深入挖掘重点空间目标的深层属性,系统辨识空间系统行为模式,深度研判空间系统的行为意图,科学评估空间系统的威胁程度,从而对空间态势感知系统的认知深度提出新要求。

3 空间态势感知能力新发展需要人工智能技术的融入

面对日益复杂、多变的空间安全环境,空间任务领域的指挥员不仅要全面掌握空间重点目标和目标群体的运动状态、能力特性和行为意图,还要对各种空间安全威胁进行准确评估。传统基于人工和计算机简单辅助决策的空间态势感知已经无法适应新形势下确保空间安全、保障空间任务顺利实施的要求。需要将深度学习等人工智能技术引入到空间态势感知领域,为指挥员提供更加全面、准确、及时和深入的空间安全态势,为空间安全、空间活动的指挥控制提供科学有效的支撑。具体地,新形势下空间态势信息获取、空间态势感知信息处理以及空间态势感知产品呈现和分发领域均需要应用人工智能技术。

3.1 空间态势感知信息获取领域

新形势下,空间态势感知系统需要对更多更小的空间目标进行观测,需要获取重点目标更为详尽的特征信息,需要更及时地获取动态的空间目标信息,整体上信息获取的体量增大、种类增多、时效性要求提高。但受到技术、成本和地理位置等因素的限制,空间目标观测传感器在数量和质量水平现状与不断增长的空间态势感知需求之间的矛盾将持续存在。为了使已有资源发挥最大效益,最大限度地满足空间态势感知在全面性、精细性、及时性和深入性,需要将天基/地基、光电/雷达、专用/兼用/可用等大量不同传感器资源统一调度 (即空间态势感知系统资源调度),而人工智能技术可以在资源状态、任务需求和规划目标等共同约束下的调度问题模型[10]求解中发挥重要作用,同时还可以根据后续的威胁评估对传感器进行实时反馈,实现对重点目标群体的最优观测。

另一方面,传统的天基态势感知,需要事先知道观测卫星的精密星历[11],即观测卫星必须依赖地面或其他额外信息,生存能力弱、运行成本高。天基态势感知平台特别是高轨态势感知平台自主化、智能化是未来的发展趋势,例如美国局部空间自主导航与制导试验卫星 (ANGELS)卫星演示验证的技术显示其特别注重平台的自主能力[12]。

3.2 空间态势感知信息处理领域

具体表现在4个方面。

一是空间目标编目问题。虽然现有的空间监视传感器,如美国的AFSSS监视系统[13]以及新“太空篱笆”系统均具有较强的自主编目能力。但随着空间目标绝对数量增多,以及传感器 “可见”目标比例提高,空间目标观测数据体量越来越大,空间目标观测信息维度也逐渐增大,现有简单自主编目能力将难以适应,这就需要引入能力更强的人工智能技术,实现高度自主判断、决策和编目能力。

二是空间事件检测问题。在空间安全新形势下,及时发现航天器入轨、碰撞、轨道机动等空间事件非常重要。例如,在轨道机动检测过程中,基于历史数据的机动检测涉及数量巨大的目标的历史轨道数据分析,轨道实时观测数据处理涉及海量空间目标的数据关联问题,均需要应用人工智能技术来提高检测结果准确性和检测效率。

三是空间系统的能力特性评估问题。如前所述,空间系统功能日趋复杂,部分系统规模和(或)功能动态可重构,难以通过建立的精确数学模型对其能力特性进行评估,而深度学习具有多层特征学习能力,可为空间系统在时间、空间和交互方面的错综复杂关系提供支持[14],从而能够部分解决该问题。

四是空间系统行为模式识别和意图判断问题。空间系统的行为复杂多样,无法根据精确固定的模型来对其进行刻画,通过深度学习可实现对行为模型的动态升级[15]。意图与行为有时存在一定的对应关系 (例如,高轨军用卫星大范围变轨意味着实施抵近侦察、调整对观测范围以及攻击敌方卫星等作战意图[16]),有时不存在明确的关联。深度学习技术具有非线性表达能力、多层特征学习能力以及自主特征抽取能力,可适应空间安全态势信息不完全、不确定和高度动态的特性[14],可为空间态势深层认知提供支持,从而为将信息优势转换为决策优势奠定基础[17]。

3.3 空间态势感知产品呈现和推送领域

空间态势感知系统需要将合适的态势感知产品及时准确地呈现和推送给合适的用户。空间态势感知的用户有卫星运营商、航天发射部门、空间对抗部门等,不同用户关注的空间态势范围和重点差异较大,即不同用户对态势感知信息的需求不同,因此在态势产品呈现和推送之前,应该解决待呈现的目标范围以及相应目标的信息内容问题。人工智能技术可对用户和空间态势感知产品之间的动态关系进行实时建模学习,通过学习掌握两者之间的隐含的、复杂的非线性关系,可以准确把握用户行为模式和感兴趣的事件等个性化需求,从而可以在统一底层数据的基础上,为不同的用户角色定制个性化的态势感知产品[17],从根本上解决一直以来 “信息泛滥”和 “信息缺乏”共存的矛盾问题。

4 人工智能技术在空间态势感知领域的应用建议

4.1 强化知识-数据混合驱动的应用理念

基于知识和经验的人工智能可以模拟人的推理、规划、决策等理性智能行为,通过为机器建立知识库和推理机制,来实现对人类推理和思考行为的模拟,但严重依赖专家知识,难以处理不确定的知识。例如,传统的海域态势感知以 “知识驱动”,对军事专家的知识和经验依赖程度高,主要处理结构化数据,而且按相对固定的流程进行处理,灵活性较差[18]。基于数据驱动的人工智能,通过深度神经网络模拟人类的感知行为和推理行为,对领域知识的依赖度低,可以处理大数据,但存在处理结果不完全、不可靠、不可解释等问题。类似地,将基于知识经验的人工智能和基于数据驱动的人工智能理念单独应用到空间态势感知领域都存在局限性,均难以满足空间态势感知面临的新形势新任务。因此,人工智能技术应用在空间态势感知领域,应将知识驱动和数据驱动两种人工智能理念有效结合起来,充分发挥知识、数据、算法和算力的综合优势,同时具有较好的逻辑性、智能性和自主性[18]。

4.2 突出人机互相学习深度交互的应用模式

为有效地将知识驱动和数据驱动的人工智能应用到空间态势感知领域,用户和机器之间应互相学习,互相建构,共同推动空间态势认知水平的螺旋式上升。一方面,机器需要主动学习用户的作业行为,理解各种拟人化的交流方式[19],掌握用户意图,实现精准化的空间态势感知服务[20]。另一方面,机器将空间态势感知图、态势预测和推荐计划以用户容易理解的方式呈现,用户对其进行修改完善后,机器据此补充调整自身的态势认知。该方面需要解决的问题包括:基于多样化人机交互手段的用户意图和行为模式导入,态势状态和态势预测的可视化呈现,以及态势认知的动态调整等。

4.3 建设空间安全环境模拟仿真的应用条件

从联合作战态势感知到联合作战态势智能认知,样本稀缺是无法回避的问题[21]。空间作为一个独立的安全领域,对其态势进行智能认知也面临着同样的问题。主要因为:空间威胁的多样性、空间力量的战略性和军民两用性以及对手的隐蔽性和欺骗性都使得获取完全的空间态势感知数据非常困难;受制于外空几大条约约束,截至目前尚没有发生公开的空间实战,空间战演习的场次也非常有限,相关的空间态势感知数据样本非常稀少;空间战略性地位决定了空间态势感知数据是一个基础性的国家战略资产,共享范围非常有限。未来空间安全态势平行仿真将是人工智能技术在空间态势感知领域充分发挥作用的一个必要条件,应进一步加强空间安全环境模拟仿真条件建设。

5 结语

空间安全环境的拥挤性、复杂性、动态性和不确定性持续增加,给空间态势感知提出了新要求。为适应这些新要求,需要在空间态势感知信息获取、空间态势感知信息处理以及空间态势感知产品呈现和推送三个领域融入人工智能技术。为提高人工智能技术在空间态势感知领域的应用效果,建议强化知识-数据混合驱动的应用理念、突出人机互相学习深度交互的应用模式、建设空间安全环境模拟仿真的应用条件。