让小行星着陆器精准降落在目标天体上，且全程零失误，这听起来像是科幻小说的情节。然而，对于初创公司 AstroForge 而言，这是必须攻克的现实难题。
目前，NASA 在探索太阳系的任务中主要依赖冗余系统和自动化技术，但核心决策仍由地面飞行控制团队完成。以 2018 年执行小行星采样任务的“欧西里斯-雷克斯”（OSIRIS-REx）为例，其每个 8 小时的班次需要约 100 名操作员协同工作。这种高昂的人力成本对于资源有限的商业航天初创企业来说难以复制。
为了解决这一痛点，致力于小行星采矿技术的 AstroForge 开发了一套名为“Solo”的自主控制堆栈。该系统基于自制的 Transformer 模型构建，旨在赋予航天器更高的独立决策能力。
AstroForge 计划于 2027 年搭乘斯托克太空公司（Stoke Space）的首枚火箭发射其第一艘完全自主控制的航天器。这项任务得到了 NASA 的支持，预计将收集有关太阳的科学数据。若成功，这将标志着航天自主性的一大突破：目前大多数航天器的自主导航仍依赖传统控制算法，而利用神经网络控制卫星在轨定位的技术直到去年才首次实现。
成立于 2022 年的 AstroForge 已获得 5600 万美元的风险投资支持。此前，该公司发射的两艘原型航天器均出现异常，未能达成大部分既定目标。特别是 2025 年发射至深空的“奥丁”（Odin）号航天器，尽管进入了轨道，但由于地球天线数量限制及通信距离遥远，公司最终失去了对它的控制。
这段失败的经历促使 AstroForge 重新思考技术路径：与其投入巨资建立全球地面站网络（据估算需花费约 2 亿美元部署五个大型天线盘），不如将足够的智能植入飞船本身，使其具备自我诊断和修复问题的能力。
AstroForge 飞行软件负责人 Armand Awad 表示，团队决定利用前沿实验室推动的 Transformer 模型进展，构建了一套混合技术栈。该架构包含传统控制算法、针对发电或导航等特定子系统基于测试数据训练的专用模型，以及一个在航天器约 2,500 个传感器数据上训练的整体智能层。
Awad 强调，这并非追求通用的航天器自主性或通用人工智能，而是在低传感器输入条件下，遵循 Transformer 模型基本训练原则实现的有限自主性。
理论上，“Solo”代理能够处理诸如异常解决等复杂任务。例如，当航天器意识到在太空中失去位置时，它可以将电力异常与恒星追踪器的问题关联起来，并尝试通过重启相关设备来修复故障。
目前，AstroForge 的第三艘航天器 DeepSpace-2 计划随 Intuitive Machines 的第三次月球任务一同发射，预计将于 2026 年底进入太空。“Solo”系统将在这艘飞船上以“影子模式”运行，允许工程师在随后的 Autonomy-1 任务前验证其性能表现。
关于未来的自主程度，AstroForge 表现出极大的决心。Awad 透露，在即将进行的 Autonomy-1 任务中，团队计划切断与地球的无线电联系，让航天器完全依靠自身智能独立运行。“我们现在必须全力投入，虽然团队可能会说服我在飞行中途恢复通信，但目前的要求是不要接收无线电信号。”
