地外天体着陆巡视探测自主智能技术进展

2022-10-15李文博黄晓峰张天柱

宇航学报 2022年9期

吴克，李文博，张哲，黄晓峰，张天柱，王彤

(1. 北京空间飞行器总体设计部, 北京 100094; 2. 北京控制工程研究所, 北京 100094；3. 空间智能控制技术国家级重点实验室, 北京 100094; 4. 北京理工大学宇航学院，北京 100081；5. 探月与航天工程中心，北京 100190；6. 中国科学技术大学信息科学技术学院，合肥 230027)

0 引言

深空探测是人类进一步认知宇宙、探索生命起源和演化、获取更多科学认识、开发和利用空间资源的必要手段，对科技进步和人类文明发展具有极为重要的意义。半个多世纪以来，人类已先后成功对月球、火星、小天体等地外天体完成了多种方式的探测活动，包括：飞越、绕飞、着陆、巡视、取样返回及载人登陆等。其中，着陆、巡视作为开展地外天体科学探测最直接而高效的方式，为人类了解地外天体的物质成分、演化历史、资源赋存状态及空间环境特征等提供了具有深入性与针对性的技术途径，能够有效拓展科学探测的广度和深度，实现空间科学研究的点面结合，同时也可为地外天体资源的开发利用进行必要的试验验证。

地外天体着陆巡视探测，具有目标距离远、所处环境未知多变等特点，使得深远空间探测器的操控与近地轨道航天器存在较大区别，例如上传指令延迟大、地面测控精度差等。目前传统的“地面测控站—探测器”操控模式，严重限制了地外天体着陆巡视探测任务的实时性、安全性和可靠性。自主智能技术是解决上述问题的有效途径，已成为当前深空探测发展的一个重要方向。

自主智能技术，即通过在深远空间探测器上构建智能化自主管理的软硬件系统，实现在轨操控与科学探测任务的智能规划调度与决策执行、器上状态自主监测及故障情况下的系统智能化重构，完成无地面操控和无人参与情况下的探测器长期自主安全运行。

本文回顾了目前国内外已开展的月球、火星、小天体等地外天体着陆巡视探测任务实施情况，阐述了该领域自主智能技术的研究现状，展望了未来发展态势。

1 地外天体着陆巡视探测任务回顾

1.1 月球着陆巡视探测任务

月球作为距离地球最近的地外天体，是人类深空探测的首选目标，国际上已先后对其实施了120余次探测活动。人类探月历程包括两个高潮期：

(1) 1958—1976年的第一个高潮期。美、苏两国共实施了100次无人探测活动(苏联64次、美国36次)与9次载人探测活动(均为美国，2次载人环月、7次载人登月)，成功率约为46%。

在此期间，关于着陆巡视活动的代表成果包括：1959年9月12日苏联发射“月亮2号”探测器，首次实现月球表面的硬着陆；1969年7月16日美国发射“阿波罗11号”飞船，完成人类历史上的首个载人登月任务；1970年11月10日苏联发射“月球车1号”，实现国际首次地外天体无人巡视；1971年7月26日美国发射“阿波罗15号”飞船，首次使用月球车实现地外天体的有人巡视探测。

(2) 1994年至今的第二个高潮期。经过近20年的探月寂静期，1994年1月25日美国发射“克莱门汀号”探测器，在月球南极发现可能存在水冰，这引起了国际的广泛关注。此后，日本、以色列、印度、中国和欧洲航天局(ESA)等多个国家和国际组织相继开展月球探测活动，开启了延续至今的第二个探月高潮。在此期间，全世界共实施了19次无人探测任务，多数为绕月探测;中国成功实现月面软着陆，成为继苏联、美国之后第三个实施月球软着陆的国家。2013年12月14日，“嫦娥三号”探测器在月球西经19.5°、北纬44.1°虹湾区精准着陆，随后“玉兔号”巡视器与着陆器成功分离，首次实现地外天体表面的无人巡视探测和原位科学探测。

“嫦娥三号”着陆器目前仍在正常运行，刷新了国际月表探测的最长纪录，并突破了深空自主导航与控制、基于多信息融合的自主避障、考虑关键部件和分系统的自主故障定位与重构等多项自主智能关键技术，保障了极端环境下着陆器的自主生存，实现了在月球上同时开展“测月、巡天、观地”科学探测，获取了大量原始科学数据。“嫦娥三号”着陆器与“玉兔号”巡视器分别如图1～2所示。

图1 “嫦娥三号”着陆器Fig.1 The lander of Chang’e-3

图2 “玉兔号”巡视器Fig.2 The rover Yutu

2019年1月3日，“嫦娥四号”探测器在月球背面南极-艾特肯盆地冯·卡门撞击坑成功软着陆，首次实现了人类探测器在月球背面的着陆和巡视探测，树立了国际月球探测史上新的里程碑，见图3。

图3 “嫦娥四号”探测器Fig.3 The probe Chang’e-4

“嫦娥四号”探测器在智能化与自主化方面突破了多项关键技术：首次实现了月球背面崎岖、未知地形环境下基于序列图像的高精度自主避障软着陆。相比“嫦娥三号”的月球正面虹湾区域着陆任务，月球背面地形更为崎岖复杂，对着陆过程的导航、制导与控制带来了更大挑战。为了提高着陆导航的可靠性，设计了一种基于惯性敏感器和测距测速敏感器的自主导航方法。其中，惯性敏感器用于着陆过程的惯性自主导航，测距测速敏感器通过多源信息融合实现多波束测距测速修正，建立了自主导航容错框架，实现了异常测量数据的快速筛选与隔离、多波束测量信息的鲁棒融合；为了提升着陆控制的安全性，设计了一种基于垂直接近和精确避障控制的有效融合方法；为了提高着陆过程的自主性，改变了原本依赖地面、人工判读的故障诊断与处理方式，交由着陆器自主处置。

“玉兔二号”巡视器在“玉兔号”巡视器的基础上，对其自主智能能力进行了优化改进：突破了基于双目立体视觉的自主环境感知、基于月面巡视器运动特点的动静态组合导航定姿定位、基于多轮协调运动的轨迹与航向跟踪控制、基于地形可通过性量化分析的安全性和运动效率综合最优的路径规划、基于离散点信息的障碍识别、基于主动结构光被动视觉的激光探测避障等关键技术。

2020年12月17日，“嫦娥五号”探测器携带月球样品安全降落内蒙古四子王旗着陆场，实现了月球无人采样返回的任务目标，标志着中国探月工程“绕、落、回”三步走战略圆满收官。针对自主智能化需求，本次任务突破了基于星光的自主天文定位和对准、重力场测量、上升自适应动力显式制导、惯导系统动态阈值调整自主故障检测、推力监测与发动机自重组、半弹道跳跃式再入返回自主制导导航与控制等关键技术。

1.2 火星着陆巡视探测任务

火星作为人类迄今为止最有可能移居的地外天体，已成为各主要航天国家的探测热点和空间技术的战略制高点之一。相比于月球探测，由于距离地球更远、大气环境更复杂，火星探测任务难度更大。从1960年苏联发射的首颗火星探测器开始至今，人类共实施了48次火星探测任务；其中，美国23次、苏联/俄罗斯19次、日本1次、ESA 2次、印度1次、阿联酋1次、中国1次;完全成功或部分成功28次，成功率约为58%。

在探测方式上，国际上已实现掠飞、环绕、着陆、巡视等多种方式的火星探测，技术难度更大的采样返回和载人探测仍处于关键技术攻关阶段。截至目前，美国已取得人类火星探测史上的多个“首次”，处于绝对领先地位。2021年5月15日，“天问一号”探测器成功着陆于火星乌托邦平原南部预选着陆区(见图4)；2021年5月22日，“祝融号”火星车与着陆器成功分离，并开展火星表面巡视探测，中国在国际上首次通过一次任务实现了火星“环绕、着陆、巡视”的三步跨越，开启了中国行星探测的新征程。

图4 “天问一号”火星探测器Fig.4 The Mars probe Tianwen-1

与月球软着陆任务相比，火星着陆探测任务面临火星表面环境信息、进入舱气动特性与进入点状态不确知性大、进入舱任务约束多等诸多挑战，以及抛伞后着陆平台的减速、伞-背罩组合体和地形地貌障碍的统一规避等需求。“天问一号”突破了多波束测速与故障监测同步、基于测距测速敏感器和惯性测量单元的导航基准重构、大气进入自适应规划与制导、多约束一体化自适应规划与控制等多项自主智能技术，实现了火星复杂飞行环境下进入、下降和着陆过程的高容错、强自主控制。

“祝融号”火星车采用基于相机图像地面规划的遥操作方式和基于双目视觉障碍监测与路径规划的自主方式完成既定任务，突破了三维地形恢复、位置姿态确定、局部路径规划、避障规划移动、激光探测避障移动、故障诊断与自主处理等自主智能技术，自主导航移动能力(定位精度小于2%、平均速度56 m/h)，较“玉兔二号”有了显著提升(定位精度10%、平均速度小于6 m/h)，与ESA推迟到2022年发射的ExoMars指标相当，但与美国2020年发射的“毅力号”火星车(自主导航移动速度120 m/h)尚有一定差距。

1.3 小天体附着巡视探测任务

太阳系小天体(简称小天体)主要是指围绕太阳运转但不具备行星或矮行星特征的天体，包括太阳系内的小行星、彗星、流星和其他星际物质，它们保存着太阳系形成初期的原始成分，是研究太阳系起源和演化历史的活化石。近年来，小天体探测也成为深空探测领域的新热点。

相对于月球、火星等地外天体，小天体探测起步较晚，到20世纪80年代才受到关注。截至目前，人类共实施了22次小天体探测活动。其中，14次专门的小天体探测任务(美国7次、日本5次、ESA 2次),8次拓展探测任务(美国3次、苏联2次、欧空局2次、中国1次)，先后实现了飞越、撞击、环绕、着陆和采样返回等多种形式探测。

不同于月球、火星等地外天体的着陆探测任务，由于探测器在小天体附近所受引力较小、相对运动速度较低，常将其降落在小天体表面的过程描述为“附着”。截至目前，人类已实施了5次小天体附着探测活动，分别是：(1)美国“近地小行星交会”(NEAR)探测器，于2001年2月12日在近地小行星爱神(433 Eros)上实现首次小天体附着；(2)日本“隼鸟号”(Hayabusa)探测器，于2005年11月对小行星“糸川”(25143 Itokawa)实施了2次短期接触式采样，并于2010年6月13日将样本带回地球，实现首次小行星采样返回；(3)ESA“罗塞塔号”(Rosetta)探测器，于2014年11月13日通过释放的“菲莱号”(Philae)着陆器对楚留莫夫-格拉希门克彗星(代号67P)实现首次彗星附着；(4)日本“隼鸟2号”(Hayabusa-II)探测器，于2018至2019年通过释放巡视器与着陆器、短期接触式附着、发射金属弹等多种方式对小行星龙宫(1999 JU3 Ryugu)完成采样，并于2020年12月6日将样本带回地球；(5)美国“奥西里斯-雷克斯号”(OSIRIS-REx)探测器，于2020年10月20日对小行星“本努”(101955 Bennu)实施附着采样，并计划于2023年9月携带样本返回。

小天体附着探测任务存在风险系数高、不确定性强等特点，并面临先验观测信息匮乏、星(器)载计算资源有限、星表形貌复杂多样等挑战。为提升小天体附着探测任务的成功率，确保附着过程的安全性与稳健性，国际上已实施的此类任务均在一定程度上突破了附着环境感知、附着轨迹生成与制导、附着风险规避控制等关键技术。例如，“隼鸟号”探测器(见图5)设计了一种基于路标的环境自主导航定位技术，在距离小天体表面100 m处，通过下抛导航路标的方式进行自主导航定位。该导航路标具有较小的反弹系数，被安装在底座上的闪光灯照亮，宽视场相机拍照与闪光灯同步工作。

图5 “隼鸟号”探测器Fig.5 The probe Hayabusa

2 自主智能技术发展概况

为进一步提升地外天体着陆巡视探测任务中自主智能技术的安全性、可靠性、容错性、鲁棒性与自适应性，国内外相关领域科研人员和专家学者开展了一系列理论方法研究和关键技术攻关。

本节针对着陆探测任务特点，重点阐述导航定位与环境感知、轨迹优化与制导控制两项核心技术；对于巡视探测任务特点，重点关注自主探测与路径规划两项关键技术；最后，介绍着陆巡视任务中共用的故障诊断与自主处理技术。

2.1 导航定位与环境感知技术

在地外天体着陆过程中，探测器需要明确自身飞行的运动状态、分析周围环境的潜在威胁，并为后续的轨迹优化制定生成、制导控制策略实施提供精准的测量感知信息，是实现轨迹优化与制导控制的前提条件。

导航定位技术是指：在不依赖地面支持的情况下，仅利用探测器自身的测量设备在轨实时确定其位置、速度、姿态及其他导航参数的技术。按照获得信息方法的不同，导航定位技术主要分为以下四类：惯性导航、光学导航、天文导航和组合导航。根据研究侧重点的不同，导航定位技术包括以下三种：

1)可观测性分析是探测器实现导航定位的前提条件。主要成果包括：文献[22]在仅有测角信息的约束下，基于协方差矩阵的估计大小来制定导航策略；文献[23]利用Cramer-Rao下界有效评估了系统每个状态变量的精度，量化了状态估计与误差统计特性之间的期望误差下界，并在实际工程中得到广泛应用。

2)导航滤波算法是探测器实现导航定位的关键核心。主要成果包括：文献[24]提出了一种基于交互多模型的卡尔曼滤波算法算法，能够提升目标运动状态不确定、噪声特性信息不足等约束条件下系统状态的估计精度。

3)系统误差补偿是提升探测器导航定位精度的有效途径。主要成果包括：文献[25]以自主导航系统中的关键部件——星敏感器为研究对象，基于傅立叶变换，通过低频误差的准确估计来有效提升自主导航精度；文献[26]提出了一种信息辅助校正方法，实现了自主导航系统误差的精准估计和有效补偿；文献[27]提出了一种系统误差自校正方法，仅利用敏感器的观测信息和系统模型，通过姿态机动来补偿系统误差。

环境感知技术是指：探测器利用配置的各种敏感器在轨实时获取着陆区域附近高精度的地形与地质数据，评估地形并识别潜在危险。根据敏感器工作方式的不同，环境感知技术主要可以分为以下两种：

1)基于主动敏感器的环境感知技术。主要采用激光雷达主动感知探测器的着陆环境，直接将着陆区域的立体图像生成数字高程图，用于评估危险地形并获得探测器附近区域点云数据的分布特征，实现障碍分布的有效识别，具有精度高、更新快、不受光照影响等优势。主要成果包括：2006年，美国针对月球、火星乃至小行星的自主着陆需求，研制了一种闪光式激光成像雷达敏感器，并经过飞行试验验证了基于主动敏感器的环境感知技术的可行性；2013年，中国“嫦娥三号”探测器利用激光三维成像敏感器在世界上首次实现了地外天体软着陆精确自主避障。

2)基于被动敏感器的环境感知技术。不同于主动敏感器，主要采用光学相机实现探测器运动状态的有效估计。主要成果包括：美国开发了一种着陆器视觉系统(LVS)，并在2015年成功进行飞行试验验证；日本“隼鸟号”探测器，在小行星附着过程中实现了基于被动敏感器的相对导航；中国“嫦娥三号”探测器，在月球接近段飞行过程中首次利用光学相机观测预定着陆区，实现了月球软着陆粗避障；ESA在行星接近和着陆导航项目中，提出了一种基于特征点提取、跟踪和估计的被动敏感器导航方法。

2.2 轨迹优化与制导控制技术

对于地外天体着陆探测任务，探测器在基于导航定位与环境感知技术获取测量信息之后，需要根据实际情况调整优化运行轨迹、制定制导控制策略，为控制指令执行提供输入参考，是实现有效控制的关键核心。

轨迹优化技术是指：探测器根据自身运行和周围环境约束，对可选择的运行路线进行优化，并自动生成一组时间上有序的操控序列。主要包括姿态规划与轨迹规划两种。其中，姿态规划是探测器从一种姿态转换到另一种姿态的再定向过程，能够有效降低控制方法的复杂程度，使其具备更高层次的自主运行能力，可细分为多约束条件下的可行与最优两种姿态机动规划方法；轨迹规划是探测器根据自身的位置信息及目标区域，通过制定相应的机动策略，生成连接初始与目标位置且满足工程约束条件的轨迹曲线。按照求解算法的不同，轨迹优化技术又可以细分为以下两种：

1)基于连续求解的轨迹优化技术，能够得到较为平滑的轨迹曲线，但求解难度较大，包括直接法、间接法、伪谱法和凸优化等；

2)基于离散搜索的轨迹优化技术，便于问题求解，能够形成一条较为完整的轨迹曲线，但平滑度不佳，包括：图解法、A搜索法、Way-Points方法等。

主要成果包括：文献[28]利用Way-Points方法，基于事先确定的目标点，对探测器轨迹进行优化与表示；文献[29]基于二次规划方法，得到了满足多种约束条件的姿态机动序列；文献[30]将姿态指向的约束条件转化为二次凸约束的形式，得到了满足约束的非线性解；文献[31]将时间最优姿态规划问题转换成中间节点的寻优问题，通过设计的角速度和时间编码方法，得到了满足约束条件的姿态机动路径；文献[32]基于半定松弛方法，将非凸二次约束二次规划问题转化为半定规划问题，并通过迭代秩最小化方法得到了最优解；文献[33]利用A搜索法，将三维搜索空间划分为多个不同节点，将潜在的障碍物和危险区域用基本几何形状或其组合进行描述，确保运动轨迹始终处于障碍物和危险区域之外。

制导控制技术是指：探测器仅靠自身携带的测量设备和计算机实现姿态与轨道的测量、确定,生成在控制力作用下的飞行规律并自主进行姿态和轨道控制。按照天体特性和工作过程的不同，制导控制技术包括以下两类：

1)有大气天体的大气进入过程自主制导控制技术。使探测器在理想的高度处，满足开伞点(包括：开伞高度、动压和马赫数等)以及整个进入过程的过载和热流密度等多项约束条件。根据具体方法的不同，又可以细分为以下三类：标称轨迹跟踪、预测校正以及混合制导控制。其中，标称轨迹跟踪，基于预先已知的数据设计一条参考轨迹，通过控制算法及执行机构实现参考轨迹的自主跟踪；预测校正，根据当前状态和系统模型预测终端的状态值，通过其与期望值之间的对比来修正当前轨迹，实现自主制导控制；混合制导控制，又具体包括浅融合和深融合两种；浅融合是探测器在进入大气层前在线获得参考轨迹，并在进入过程中对其进行跟踪；深度融合是通过自适应全数值预测校正来实现内外双环的制导控制，外环以慢周期修正探测器的轨迹，使其对初始状态误差和参数不确定性的影响不敏感，内环则以快周期执行轨迹跟踪任务进而实现稳定控制，以提升自主制导控制的精度与适应性。主要成果包括：文献[34]将滑模变结构控制器引入到轨迹跟踪制导方法的设计过程中，提高了自主制导控制系统的鲁棒性；文献[35]为了克服气动参数等不确定因素的影响，将直接模型参考自适应控制方法应用到标称轨迹跟踪制导控制方法的设计过程。

2)无大气天体的动力下降段精确着陆制导控制技术。使探测器满足控制精度、障碍规避及燃料消耗等多项约束条件，并利用反推力发动机实现预定着陆点/区域的自主精准安全着陆。根据任务目标和约束条件的不同，又可以细分为以下三类：重力转弯制导控制、多项式制导控制、显式制导控制。其中，重力转弯制导控制，能够实现探测器垂直着陆于地外天体表面，具有系统配置简单、工程适用性强等特点；多项式制导控制，用四次多项式来描述(多项式系数待定)探测器的位置，当给定终端的位置、速度、加速度等约束条件时，即可完成多项式系数的求解，从而得到制导指令并最终实现自主控制；显式制导控制，按照控制泛函的显性表达式实时计算探测器的速度和位置，无需跟踪标称轨迹即可在线得到制导参数，这在大干扰情况下具有显著优势。主要成果包括：文献[36]在均匀重力场中检验了最优控制算法并得到了最优剩余飞行时间；文献[37]针对复杂约束条件下燃料最优的软着陆问题，设计了一种离线的凸优化方法，能够以极小的着陆误差解决没有可行解的问题；文献[38]将强化学习技术应用于火星着陆参数的选取过程中，具有极高的自主性，但学习过程较复杂。

3)弱引力的附着控制技术，由于小行星引力较弱，不能实现航天器的重力附着，其附着控制过程，就是一个非合作目标飞行天体交会并完成捕获附着的过程。目前较为常见的附着方式包括锚定、粘接、持续正压力或正推力维持等。小行星通常距离地球较远，并且能够获得的先验信息较少，必须使着陆/附着航天器具有一定的自主智能能力，能够自主完成非合作目标交会，自主完成小行星伴飞确认小行星表面状态和自旋状态，自主完成附着过程控制。

2.3 自主探测与路径规划技术

在地外天体巡视探测任务中，巡视器需要通过传感器获得行驶区域地形地貌、障碍物等环境信息以实现自主探测。因此，自主探测是巡视器实现自主智能的基础，并为路径规划和运行控制提供前提条件。

自主探测技术是指：巡视器凭借自身不同传感器提取到的多源信息，通过自主计算判断并实现地面环境建模和地形探测的技术。按照研究内容的不同功能属性，自主探测技术包括以下三类：

1)基于关键点检测的图像匹配技术。通常分为三个阶段：关键点检测、描述和匹配。主要成果包括：SIFT算法是经典的基于手工关键点的图像匹配技术，具有尺度不变和旋转不变的优点，但缺点是速度慢且受到研究人员任务特定先验知识的限制；数据驱动的图像匹配方法利用深度学习技术检测关键点并提取特征，通过图像对的端到端训练，学习几何变换和3D世界的规则，求解可微分最优化传输问题，它使用基于注意力的内容聚合机制，实现星体表面图像匹配。

2)障碍物目标检测与分割技术。可用的传感器信息包括RGB图像、激光点云等多种数据形式，通常以RGB图像分析法为主流。主要成果包括：文献[44]提出基于深度学习的目标检测算法和图像分割算法；文献[45]利用神经网络检测障碍物；文献[46]基于主动交互学习；文献[47]利用障碍物和背景的灰度差距；文献[48]基于美国发射的“月球勘测轨道器”(LRO)月球辐射数据统计方法，利用岩石和沙砾不同的热性质实现障碍物分割；文献[49]基于超像素和卷积神经网络实现障碍物检测。

3)多源融合的测距技术。由于视觉测量存在对光线敏感、焦距固定等不足，需引入激光测距、雷达等其他测量手段提升远距离信息感知的维度与精度。主要成果包括：文献[50]利用激光测距数据，通过自监督学习法，预测地形的粗糙度；文献[51]基于相机和激光雷达两种测量手段得到的异构信息，利用扩展条件随机场模型进行有效融合，通过上述两种测量手段的优势互补提升了远距离感知能力。

同样，根据巡视器所需功能的不同，自主探测技术又可以细分为以下三类：

1)SLAM地图构建技术。该系统分为五个主要部分：传感器信息采集、前端位姿估计、后端优化、回环检测和建图，主要使用视觉传感器、惯性传感器和激光雷达传感器等。主要成果包括：主流的多源信息融合SLAM技术使用匹配算法、光束平差法、词袋技术等实现自主定位和实时地图构建。文献[54]基于单目相机使用滤波方法实现SLAM技术；文献[55]基于概率理论阐述了构建基于激光雷达的SLAM系统的方法。VIL-SLAM是视觉-惯性-雷达SLAM的一项代表性工作，实现了视觉-惯性里程计和激光雷达测距的紧耦合，提高了位姿估计和建图的精度。

2)基于运动状态传感器的当前地形信息获取技术。可用的传感器信息包括：车轮电机的电流与转速、加速度计、智能感知轮胎、声波特征、车轮与星壤交互等。主要成果包括：文献[57]基于支持向量机技术实现了多传感器数据分类，并利用机器学习方法有效识别了局部地形；文献[58]利用贝叶斯网络、蒙特卡洛树搜索技术，实现了沙漠、河床等地理特征的自主识别。

3)基于视觉传感器的地形分类技术。针对未知地外天体环境存在的不确定性、非连续性和非结构化等特点，以远距离视觉传感器为载体，通过有效信息提取、高精度地形与地质数据获取、远距离地形评估等技术来识别潜在危险，包括基于立体视觉的地形评估技术和基于二维图像的地形评估技术。其中，基于立体视觉的地形评估技术的主要成果包括：文献[59]利用地形粗糙度、节点之间的长度、地形倾斜度三个指标，实现了巡视器附近区域几何地形的分析；文献[60]为ExoMars火星巡视探测任务设计一种基于立体图像的小山丘尺度专用测量方法，通过与“机遇号”火星车的测量数据进行比对，能够感知到流动性极强的风沙床地形。基于二维图像的地形评估技术的主要成果包括：文献[61]将专家经验与机器学习技术相结合，通过构建的图像纹理映射关系分类器实现了地形的准确分类；文献[62]利用基于序列图像的动态纹理分析技术，实现了地外天体星壤类型的准确分类以及巡视器运动状态的精准估计。

路径规划技术是指：巡视器根据自身的能力和状态、感知认识空间环境以及一定时间内的任务目标，并利用计算机知识建模等技术对可选的动作和涉及的约束进行推演，自动生成一组时间活动序列，并为控制指令的执行提供参考输入。根据实现方式的不同，路径规划技术主要包括以下两种：

1)自主任务重规划技术。若外界环境发生变化或系统内部的相关部件发生故障，原有规划结果无法完成既定任务，巡视器需要根据当前的外部环境与情况、系统自身的具体能力，求解出新的规划结果，以确保能够继续完成原有的任务目标。在算法层面，主要包括局部搜索、进化算法、神经网络、约束可满足问题求解等。

2)自主任务规划修复技术。基于原有的规划结果，利用精细搜索、删除动作、调整参数等操作，减小求解规模、提升规划效率，进而自主生成修复后的序列目标。在算法层面，主要包括：规则匹配、局部调整、删除/求精、状态转移、新问题构建等。文献[63]针对上述算法的不同特点，以及地外天体着陆巡视过程中的各种突发情况，构建了合理的应用场景。

2.4 故障诊断与自主处理技术

故障诊断与自主处理技术是指：探测器或巡视器仅依靠自身携带的多种测量装置和执行机构、构建的解析冗余关系等，自主发现故障(包括：故障检测与故障隔离)，并能够根据诊断结果，通过改变测量装置或执行机构的配置构型、更改控制算法等方式应对与处理故障，以恢复系统的全部或部分既定功能。

1)故障诊断技术。在故障发生之后，通过设计的方法策略与技术手段，对故障源实现检测、定位与辨识，为后续处置方法的有效实施提供参考依据。根据作用机理的不同，又可以细分为以下几类：

(1)基于解析模型的故障诊断技术。从影响机理的角度出发，利用系统的动力学和运动学模型，实现故障检测与隔离。为减小系统内部不确定性与外部环境干扰等多因素的耦合影响，要求该方法具有极高的鲁棒性。主要成果包括：文献[66]针对一类具有参数不确定性和未知扰动的飞行系统，将执行机构故障视为未知输入，设计了一种全对称多胞形集员滤波器，用于估计测量输出的上下界，进而利用未知输入滤波器实现了执行机构故障的检测与隔离。

(2)基于信号处理的故障诊断技术。通过提取与故障相关的信号特征，利用系统的输出量与故障源之间的关联关系，实现故障检测与隔离；具有原理简单、动态响应快、实时效率高等特点。主要成果包括：文献[67]利用多种小波变换技术手段，提升了陀螺常值漂移阶跃变化、姿控发动机堵塞与泄漏等故障模式的诊断性能；文献[68]提出了一种基于等价空间和经验模态分解的混合故障诊断方法，对于突变故障模式具有极高的检测与隔离精度。

(3)基于人工智能的故障诊断技术。通过模仿人类的思维和行为，建立故障诊断模型实现故障的检测与隔离。按照实现方法的不同，又可以细分为专家知识、定性模型和数据挖掘三种。

(4)基于专家知识的智能故障诊断技术，将实践经验和故障信息进行总结，归纳成计算机能够识别的规则知识库，将序列数据与规则知识库进行对比分析与推理演化，进而得到是否发生故障、发生何种故障等诊断结果。

(5)基于定性模型的智能故障诊断技术。基于所建立系统的故障诊断模型，利用定性推理技术，通过分析预测行为与实际输出之间的异常征兆来实现故障检测；在此基础上，基于该征兆与上述模型之间的匹配关系来实现故障定位与隔离。

(6)基于数据挖掘的智能故障诊断技术。通过对海量历史数据进行处理获得系统的行为模型，并利用已有的先验知识与输入的实时数据进行比较分析，实现故障的快速检测，进而将检测出的故障与数据库中的征兆信息进行匹配完成故障源的准确定位。

主要成果包括：文献[69]设计了一种实时故障诊断专家系统，基于深浅知识的有效结合、数据知识的并行处理，实现了在线实时的故障诊断；文献[70]提出了一种基于符号有向图的动态故障诊断方法，有效提升了某型号推进系统故障诊断的分辨率；文献[71]提出了一种基于无监督学习的模糊C均值方法，实现了动量轮多种故障模式的有效检测与隔离。

2)自主处理技术。针对不同的故障源和故障特征，探测器或巡视器采用硬件备份切换、软件修改重构等处置措施，以确保系统正常运行并完成既定任务，或以牺牲性能为代价保证系统安全并具备基本功能。因此，根据作用机理的不同，又可以细分为硬件备份切换与软件修改重构两种。

(1)硬件备份切换技术。将备用的硬件直接参与系统的运行或处于准备状态，当系统发生故障后，通过硬件的自动切换，确保系统始终处于正常状态、不间断地执行既定任务。由于探测器或巡视器的资源严重受限，无法配置数量更多的冗余硬件，必须通过优化设计，确定冗余硬件的种类数量及配置构型，以提升系统的安全可靠自主运行能力。

(2)软件修改重构技术。利用系统内部各变量之间的解析冗余关系，通过设计的容错策略，从软件算法层面使系统对于指定故障模式具有容错能力。从控制算法层面，主要分为被动和主动容错控制两种。其中，被动容错控制不依赖于故障诊断结果，主要通过控制算法本身的鲁棒性，使其对故障不敏感以实现故障抑制；主动容错控制则基于故障诊断结果，通过具有自适应调整能力的控制算法、冗余执行结构的重新分配等手段，实现故障容错。

主要成果包括：文献[72]提出了一种鲁棒变增益PID的被动容错控制算法，通过仿射二次稳定来降低控制算法的保守性，并引入保性能控制思路以确保系统对于执行机构的乘性故障具有鲁棒性；文献[73]针对执行机构未知故障、控制输入饱和与外部干扰情况下航天器的跟踪控制问题，提出了一种基于变结构的自适应容错控制算法，与传统的鲁棒容错控制算法相比，仅通过一个专用参数即可实现系统的瞬态响应，且无需执行机构故障的准确信息；文献[74]采用非线性解析模型来描述系统，并提出了一种连续滑模控制和非奇异终端滑模控制方法，能够确保未知外部扰动影响下姿态控制误差的全局渐近收敛，并通过仿真验证了该方法的优越性；文献[75]以火星着陆探测任务过程中面临的精确可靠控制问题为研究背景，针对推力器故障问题，提出了一种非线性容错控制分配方法，通过冗余推力器的在线重新配置，大幅降低了故障对航天器轨迹跟踪的影响；同时，提出了一种稳定性分析方法，在非实时仿真情况下，评估了整个着陆探测控制方案的容错性能。

3 发展趋势

目前，地外天体着陆巡视探测自主智能技术的研究与应用尚处于初级阶段。面对未来深远空间极端复杂环境带来的一系列挑战，自主化与智能化已成为技术发展的必然趋势。

本节结合型号任务需求，阐述了自主智能技术的整体发展趋势。在此基础上，分别针对导航定位与环境感知、轨迹优化与制导控制、自主探测与路径规划、故障诊断与自主处理等关键核心技术，分析了后续重点发展方向。

3.1 自主智能技术的整体发展趋势

1)算法的轻量化与自学习能力

以深度学习为代表的新一代人工智能技术，正逐步应用于航天器系统的研制过程。目前，已在地面完成了多种异构传感器数据的融合与试验验证等工作。考虑到着陆探测任务的实时性、稳定性和鲁棒性等严苛要求，以及探测器的有限资源、算法的可靠性与可解释性等实际约束，如何提升现有智能算法的准确性、鲁棒性、适用性，同时降低计算量，是实现自主智能技术工程化应用的首要前提。

由于需要大量训练样本，对于巡视任务存在的运行环境未知多变等实际情况，需要高效结合视觉等传感器的观测数据，提升高价值科学目标自主发现、感知与精准定位的能力；根据具体运行环境与工作模式，在线实现轨迹/路径的规划、参数的辨识与调整；利用探测器或巡视器自身的测量数据，自主实现故障的快速检测、准确定位与高效处置。因此，提升算法在导航定位与环境感知、轨迹优化与制导控制、自主探测与路径规划、故障诊断与自主处理等方面的自学习和泛化能力，也是自主智能技术未来整体发展的一个重要趋势。

2)方案的一体化与通用化

在传统的探测器系统方案设计过程中，导航定位与环境感知、轨迹优化与制导控制、自主探测与路径规划、故障诊断与自主处理各个环节是相互独立的。传统的做法是首先设计好每个环节，然后进行整合；若系统的整体性能不能满足技术指标，仍需分别对各个环节进行改善，直至整体满足要求为止。这种设计思路虽然广泛应用于实际工程，但并未考虑各环节整合串联后综合系统的稳定性能，反复的设计过程也可能增加设计成本。因此，需要从总体层面考虑系统的综合性能，以实现感知、规划、决策、控制等环节的一体化设计，这是未来系统自主智能水平实现跨越式提升的关键所在。

目前，在月球、火星、小行星等不同地外天体着陆巡视任务自主智能化的需求牵引下，针对不同类别的探测器或巡视器，都有一套习惯性设计方法，尚未形成统一通用的方案。面对未来深远空间探测任务日益增多、任务复杂性越来越高的形势，如何实现自主智能技术的通用化，并大幅度提升方案设计效率，也成为重要发展趋势。

3.2 关键技术发展方向

1)适用于未知开放环境的导航定位与环境感知技术

如何解决未知开放环境下的图像匹配、障碍物识别与分割等难题，是导航定位与环境感知技术深化研究的方向。需重点研究基于序列图像的自主导航方法，包括：基于序列图像的可观测性理论、基于动力学约束的暗弱小天体识别与提取、物性未知小天体高效表征与特征鲁棒匹配、基于可观测度分析的相对导航状态估计与误差校正等。需重点突破基于多源信息融合的自主导航技术，包括：视觉/激光/红外多手段一体化协同探测、非合作目标多源数据协同融合感知、在轨状态高精度测量与辨识等；需重点突破基于关键点检测的图像匹配技术，包括：基于数据驱动的图像匹配、基于深度学习端到端训练的几何变换和3D规则学习等；需重点突破基于深度学习的障碍物目标检测和图像分割技术，包括：基于神经网络的障碍物检测算法、基于主动交互学习的障碍物检测算法和基于超像素图像分割的障碍物分割方法等。

2)适用于在线轻量运行的轨迹优化与制导控制技术

如何解决探测器燃料有限、危险地形密集、通讯延迟高等约束下的地外天体安全着陆难题，是轨迹优化与制导控制需要深化研究的方向。需重点研究环境参数的在线估计、探测目标自主调整规划等方法，采用智能建模技术对探测器着陆巡视过程中的气动、环境等进行在线估计辨识，并将估计结果用于模型参数的自主更新；需综合分析着陆探测过程各个阶段的飞行特点和约束条件，提出新的组合制导方案，实现多种成功可靠制导方案的优势互补；需重点研究精确的动力学建模方法。

3)自主探测与路径规划的安全可靠提升技术

如何解决通讯窗口及数据传输速率等约束下的环境地形建模与感知、在线动态路径快速生成等难题，是自主探测与路径规划技术需深化研究的方向，需重点突破基于多源信息融合的SLAM技术，即将惯性传感器(IMU)和视觉传感器结合，在环境纹理较弱、由于运动产生视野模糊及环境信息遮挡等情形下，能够提供更好的鲁棒性；需重点突破基于视觉和地形感知数据的整合分类技术，结合地面人员提前设定的科学目标特征及就位探测后的星壤分析，设计具备深度学习能力的科学目标自主辨识策略，实现向科学探测为主的战略转变；以未来的月球、火星和小行星安全巡视为工程目标，发展更通用的自主避障系统和方法；需重点研究根据实际情况对参考路径进行在线规划的技术，借助非线性优化和微分几何理论，有效克服轨迹规划中由于维数高和非线性强引起的实时性弱、收敛性差等问题；需根据巡视器的实际工作状态在线修正规划目标，使整体性能达到最优，进而确保自主探测与路径规划的安全性、可靠性和精确性。

4)基于数据增强的故障诊断与自主处理技术

如何解决不同型号探测器或巡视器在轨历史数据以及产品研制、测试数据未被合理开发利用、数据之间隐私保护(数据隶属于不同研究机构、单位或部门)的难题，是故障诊断与自主处理技术需深化研究的方向。需要重点研究基于联邦学习、迁移学习、强化学习的故障诊断方法，深入融合不同任务、型号、阶段的多种故障模式，以提高数据的利用率、提升诊断的准确性、强化环境的适应性，为系统重构、故障处置等措施的有效实施提供准确依据；在此基础上，需进一步考虑在不共享数据的前提下，仅利用训练好的模型参数进行交互，实现故障诊断方法的自主更新进化，以降低数据共享风险、减小通信压力、提高学习效率；同时，考虑到现有星载计算机的算力难以支持智能故障诊断与自主处理算法庞大的计算开销，亟需突破诊断模型的等效压缩、处置策略的快速生成等关键技术，以实现地面复杂智能算法的在轨应用。