AI赋能卫星星座：北航团队发布AEOS-Bench基准与AEOS-Former模型，开启空天智能调度新纪元

6天前 • AI产业动态 • 阅读 5

随着全球卫星星座规模的急剧扩张，从SpaceX的Starlink到我国的“千帆”星座，卫星网络正从科幻概念演变为数字经济时代的关键基础设施。这些运行在距地数百公里轨道上的卫星群，默默支撑着遥感监测、全球通信、精准导航、气象预测等核心领域。然而，星座规模的扩大带来了前所未有的调度挑战：如何在几分钟的观测窗口内，协调数十颗卫星执行上百项任务，同时应对地震救援、海上搜救等突发需求？传统人工规划已无法满足高效调度需求，人工智能技术正成为破解这一难题的关键。

卫星星座通过多星协同实现了覆盖范围、响应速度和并行能力的指数级提升。在应急救援场景中，星座可实现秒级响应，其分布式架构还具备极强的容错性——单星故障不会导致系统瘫痪，这对航天任务稳定性至关重要。但这些优势背后隐藏着四大核心挑战：

第一，任务量爆炸式增长。以美国SkySat星座为例，13颗卫星日均需处理超百项任务，扩展到21颗后，调度复杂度呈几何级数上升。第二，时间窗口极度紧张。卫星绕地速度高达7.9公里/秒，地面任意区域的可观测时间通常不足5分钟，任何调度误差都可能导致观测失败。第三，突发任务响应困难。我国“女娲星座”在灾害响应时，紧急观测任务完成率常不足60%，现有方法在高时效性需求下表现有限。第四，约束条件异常复杂。卫星的视场角、电池功耗、姿态调整时间、存储容量等物理限制相互耦合，使调度问题成为典型的高维、动态、强约束优化难题。

为系统解决这些挑战，北京航空航天大学刘偲教授团队在NeurIPS 2025上发表了突破性研究成果，提出了首个大规模真实星座调度基准AEOS-Bench，并创新性地开发了内嵌时间约束的调度模型AEOS-Former。这一组合为“AI星座规划师”奠定了新的技术基准。

AEOS-Bench的构建体现了工程与学术的深度融合。团队基于Basilisk高保真仿真平台，精确还原了卫星轨道动力学、姿态控制、功耗管理等物理特性，通过精细优化卫星资产和严格筛选，形成了包含16,000+个任务场景的高质量标注数据集。每个场景涵盖1-50颗卫星、50-300项成像任务及3600个时间步长，全面覆盖不同规模的调度需求。相比以往数据集，AEOS-Bench具有三大核心优势：规模性——支持从单星到大规模星座的全尺度测试；真实性——所有场景均在物理仿真平台生成，并引入开源真实卫星数据形成测试集；全面性——涵盖任务完成率、周转时间、功耗效率等6类评估指标，通过综合得分提供多维性能度量。

基于这一基准，团队训练了基于Transformer架构的AEOS-Former模型。该模型的核心创新在于将航天工程的专业约束深度融入神经网络设计。其内嵌约束模块显式建模卫星成像设备视场、电池状态等物理限制，预测任务可行性概率与最小控制时间，生成约束驱动的注意力掩码。编码器-解码器架构则嵌入卫星静态参数（如轨道特性）与动态状态（如实时姿态），借助约束模块信息，智能预测每颗卫星与任务的匹配概率，实现动态决策。

在性能验证方面，团队在仿真闭环测试环境下对AEOS-Former进行了系统评估。对比随机模型、传统优化模型及强化学习模型等基线方法，AEOS-Former在所有数据划分中均表现优异。实验数据显示，该模型在任务完成度、时效性和能源效率三项核心指标上实现显著提升。特别值得注意的是，研究揭示了任务完成率与资源消耗之间的微妙权衡关系：卫星数量的增加提升了联合观测能力，从而提高了任务完成率，但额外的资源消耗使边际效益逐渐趋于稳定。这一发现为星座规模优化提供了重要参考。

从技术演进视角看，AEOS-Bench与AEOS-Former的提出标志着卫星调度从传统优化向AI驱动的范式转变。传统方法多基于启发式规则或数学规划，难以应对高维动态环境；而纯数据驱动的AI模型又往往忽略物理约束，导致方案不可行。AEOS-Former的创新在于将领域知识内嵌于模型架构，实现了泛化能力与工程可行性的平衡。

[[IMAGE_9]]

展望未来，当人工智能深度注入卫星星座，太空设施将逐步具备感知、决策与协同的自主能力。北航团队的这项研究不仅为卫星星座规划提供了高效解决方案，更印证了空天具身智能的巨大潜力。随着低轨卫星互联网、全球遥感监测等应用的快速发展，智能调度技术将成为空间基础设施的核心竞争力。从技术路线看，后续研究可在多目标优化、在线学习、跨星座协同等方向深入探索，推动AI星座规划师向更高阶的自主智能演进。

[[IMAGE_11]]

当前，我们正站在空天智能的新起点。AEOS-Bench作为开放基准将持续推动领域进步，而AEOS-Former的约束内嵌设计思路也为其他高约束优化问题提供了借鉴。当星辰大海遇见人工智能，人类探索与利用太空的边界必将不断拓宽。

— 图片补充 —