太空垃圾识别引入AI/ML有了新突破

导读：美国针对情报领域的应用，设立了DARPA的姊妹单位IARPA，针对情报社区的颠覆性创新开展工作。本文主要内容来自《太空部队白皮书》，做了一定的改编，由数字孪生战场实验室近期发布。

1958年，美国空军启动了绝密照相侦察卫星日冕（CORONA）计划，该计划使得美军在对前苏联的卫星侦察能力大幅提升，展现了卫星在情报服务上的特殊价值。

美军在保密照相侦察卫星上获得了巨大的成功，促使设立国家侦察办公室（NRO），负责设计、建造、发射和运营侦察卫星，形成了太空监测网络（SSN，Space Surveillance Network）。

卫星早期是作为战略资产和对全球事件提供态势感知服务的，无法为战术行动提供实际支撑。

这种情况直到1991年海湾战争才得到改观，卫星为主的太空力量在战术和作战层面得到广泛应用，从而改变了现代战争。

从太空域感知的需求来看，识别更小的物体是刚需，如果利用卫星互联网就可以达到识别空间或地面的小型目标，那么将改变情报社区的工作方式。

通常情况下，1毫米-10厘米的太空物体被称为“太空垃圾”，如上图所示，跟踪监测太空垃圾的难度非常高，美军的太空监测网络也无法实现。

但是，如果可以识别这些太空垃圾，并进行清除……那么，这意味着美国可以对太空的物体实现精确打击，这不正是美国空军追求的目标吗？

数字孪生战场实验室认为，如果可以实现太空垃圾识别、跟踪和控制，这将是1991年海湾战争之后太空力量的一次革命性突破，从而改写未来作战样式。

从美国情报先进研究项目局（IARPA）最近10年对此所做的项目来看，借助人工智能或机器学习（AI/ML）技术，能够逐步实现跟踪识别太空垃圾的目标。

当前，IARPA花费了大量资源在升级太空监测网络，从具体工作内容来讲，它以引入和建设数字孪生太空基础设施为主，通过这样的方式，美国情报部门理论上就可以对所有太空物体进行跟踪，当然这还受限于卫星互联网的广度和深度。

从数字孪生战场实验室收集近千份资料来看，IARPA已经积累了数百种技术方案，部分方案已经通过升级太空监测网络进行应用。

IARPA最近几年加大了引入量子计算技术的力度，如果该技术大规模应用，对数字孪生太空平台的构建将产生巨大影响，同时给未来太空监测网络带来难以想象的竞争优势。

遵循理论先行原则，IARPA初步形成了一套AI/ML驱动的太空垃圾识别的理论架构，这对指导各个技术单位的解决方案有很大的帮助。

综上所述，太空垃圾的识别跟踪是当前多种新型技术应用的重点领域，值得相关人士关注了解。