空天一体智能体的建设研究
摘要
空天一体智能体是融合天基卫星星座、空基飞行器平台与地面支撑系统，以人工智能技术为核心驱动，具备全域感知、自主决策、协同执行与动态演化能力的分布式智能系统，是支撑未来空天领域任务模式从 “人工主导” 向 “智能自主” 转型的核心基础设施。本文系统梳理了空天一体智能体的概念内涵与理论基础，提出 “三层四域” 的分布式协同架构，从多模态感知、通感算智融合、自主协同决策、安全可靠运维四个维度构建关键技术体系，结合典型应用场景建立多维度效能评估方法，并针对当前极端环境约束、跨域互操作、对抗安全等核心挑战，提出分阶段建设路径与标准体系建议。研究可为我国空天智能化体系的工程落地与技术迭代提供理论参考与实践框架。
关键词：空天一体智能体；多智能体协同；通感算智融合；分布式架构；自主决策；效能评估
一、绪论
1.1 研究背景与意义
随着低轨卫星星座规模化部署、低空经济产业快速兴起以及 6G 通信技术加速演进，空天域与地面域的边界持续消融，传统由分立平台、单系统构成的空天基础设施，已难以应对广域覆盖、高动态响应、多任务并行的复杂需求。与此同时，人工智能技术从算法层面向系统层面渗透，具身智能、多智能体协同、大模型推理等技术的突破，为构建跨域协同的自主智能系统提供了技术可能。在此背景下，空天一体智能体作为空天基础设施智能化演进的核心形态，逐渐成为各国科技竞争的战略制高点。
从需求维度看，空天领域任务呈现出三大显著趋势：一是任务场景全域化，从传统的近地空间向临近空间、深空拓展，从单一空域向空天地海多域协同延伸，要求系统具备无盲区、全时段的感知与响应能力；二是任务目标复杂化，应急救援、环境监测、空天防御等场景均涉及多平台协同、多任务耦合，传统人工调度模式存在响应时延长、资源利用率低、容错能力弱等短板；三是任务环境极端化，空间辐射、大气扰动、电磁干扰等复杂条件，对系统的可靠性、鲁棒性与自主运维能力提出了严苛要求。
空天一体智能体的建设，本质是通过智能技术重构空天系统的组织模式与运行逻辑，将分散的感知、通信、计算、执行资源整合为具备自主认知与协同能力的有机整体。其战略价值体现在三个层面：在技术层面，可牵引空天平台设计、人工智能、通信网络等多学科交叉突破，带动核心元器件、高端算力芯片等基础产业升级；在应用层面，能够大幅提升空天资源的利用效率与任务响应速度，支撑应急管理、气象观测、国土资源监测等民生领域的能力跃升；在战略层面，是构建新型空天力量体系、抢占未来空天竞争主动权的核心支撑，对维护国家空间安全与发展利益具有深远意义。
1.2 国内外研究现状
1.2.1 国外研究进展与典型项目
欧美等航天强国已率先启动空天智能化相关布局，形成了 “项目牵引、技术迭代、体系演进” 的发展路径。美国是该领域的先行者，DARPA 于 2017 年启动 “Blackjack” 项目，旨在构建由低轨卫星星座组成的自主智能网络，每颗卫星搭载 “Pit Boss” AI 节点，可实现星间自主数据共享、任务协同与网络重构，无需依赖地面站控制，该项目已完成多轮在轨验证，验证了分布式智能节点的协同能力。NASA 则聚焦分布式航天器自主技术，其 “分布式航天器自主（DSA）” 项目由艾姆斯研究中心主导，开发了支持百颗级卫星集群自主导航、任务分配与协同作业的软件系统，可在仅需少量人工干预的情况下完成科学探测任务，相关技术已在多颗小卫星上开展测试验证。
在欧洲，欧空局（ESA）推进的 Φ-sat 系列卫星计划持续深化星上智能应用，Φ-sat-2 卫星搭载了全套 AI 处理组件，可在轨完成图像云量筛选、变化检测、目标识别等任务，并支持发射后模型更新与功能重构，代表了当前单星智能的先进水平。日本 JAXA 则在 Epsilon 火箭上验证了 AI 自主健康管理系统，可实时监测火箭状态并自主处置故障，降低对地面测控的依赖。商业航天领域，SpaceX 的 “星盾” 项目基于星链星座实现通信、感知、计算三位一体功能融合，通过星座级算力调度与数据处理，为军方提供定制化空天智能服务，成为商业力量参与空天智能体系建设的典型范式。
总体而言，国外研究已从单平台智能向集群智能、从单一功能智能向体系化智能演进，呈现出 “分布式架构、星上处理、自主协同” 的技术特征，但尚未形成完整的空天一体智能体理论体系与工程标准，跨域异构平台的深度协同仍处于技术验证阶段。
1.2.2 国内研究进展与技术积累
我国在空天智能化领域起步稍晚但发展迅速，在基础理论、关键技术与工程实践层面均取得了阶段性成果。在学术研究层面，中山大学空天智能无人系统团队针对高超声速目标轨迹预测难题，提出融合辅助特征的卷积交互学习网络（AF-CILN），解决了数据缺失场景下的预测精度问题，相关成果发表于航空航天顶刊《Aerospace Science and Technology》。西北工业大学团队在航天器集群协同控制、空间博弈对抗等方向持续突破，提出了基于逆强化学习的卫星编队分布式控制方法、有限时间追逃博弈控制算法，多项成果发表于 SCI 一区 TOP 期刊。中国科学院上海高等研究院针对星地融合网络路由问题，提出基于元强化学习的多智能体协同技术，实现动态拓扑下的高效路径选择，成果发表于《IEEE Internet of Things Journal》。
在工程实践层面，之江实验室提出 “三体计算星座” 计划，目标到 2030 年建成千颗级卫星组成的太空计算网络，通过 100Gbps 星间激光通信实现算力灵活调度，形成全域覆盖的太空算力云。中国移动、中国联通等运营商分别提出天地一体算力网络与融合通信架构，推动通信网络向支撑智能体协同的新型基础设施演进。国防科技大学、南京航空航天大学等单位在星地协同监视、集群协同决策等领域开展了大量仿真与半实物验证，为系统落地奠定了基础。
整体来看，我国在单点技术突破上已接近国际先进水平，但在体系化架构设计、跨域标准统一、工程化落地验证等方面仍存在差距，空天一体智能体的整体建设仍处于顶层设计与技术攻关并行的阶段。
1.3 研究内容与技术路线
本文围绕空天一体智能体 “建什么、怎么建、如何用” 的核心问题，开展系统性研究：首先界定空天一体智能体的概念内涵与核心特征，梳理其理论基础与能力层级；其次设计分层分布式的体系架构，明确各层级功能定位与跨域协同机制；然后拆解支撑系统建设的四大关键技术体系，分析各技术方向的实现路径与研究进展；接着结合典型应用场景构建效能评估体系，验证系统价值；最后梳理当前面临的核心挑战，提出分阶段建设路径与发展建议。
研究遵循 “理论架构 — 技术支撑 — 应用验证 — 路径规划” 的逻辑主线，采用文献梳理、架构设计、案例分析与归纳演绎相结合的方法，兼顾理论前瞻性与工程可行性，为空天一体智能体的落地实施提供可参考的技术框架。
二、空天一体智能体的核心概念与理论基础
2.1 空天一体智能体的定义与内涵
空天一体智能体是指面向空天全域场景，以天基卫星星座、空基飞行器（无人机、浮空器、空天飞机等）、地面支撑系统为物理载体，融合人工智能、通信网络、感知探测、自主控制等技术，具备自主感知、认知推理、决策规划、协同执行与自我演化能力的分布式智能系统集群。它并非单一的软件算法或独立平台，而是由大量异构智能节点通过网络互联形成的有机整体，是人工智能技术与空天基础设施深度融合的产物。
从内涵维度拆解，空天一体智能体包含三个层面： 一是物理载体层，即覆盖天、空、地的异构平台集群，包括不同轨道的卫星、各类无人机与浮空器、地面站与终端设备等，是智能体感知与执行的物理基础； 二是智能核心层，即嵌入各平台的 AI 算法与算力单元，涵盖感知融合、决策规划、协同控制等功能模块，是智能体具备自主能力的核心； 三是协同机制层，即支撑跨平台、跨域交互的协议、标准与调度规则，保障分散的智能节点能够形成合力，实现整体效能大于个体之和的涌现效应。
与传统空天自动化系统相比，空天一体智能体具有本质区别：传统自动化系统依赖预设规则与人工指令，仅能完成确定性任务，应对未知场景能力弱；而智能体具备学习与自适应能力，可通过与环境交互持续优化行为，能够处理非结构化、不确定性的复杂任务，是更高阶的空天系统形态。
2.2 空天一体智能体的核心特征
空天一体智能体具备五大核心特征，共同构成其区别于传统系统的核心标识： 第一，全域分布式。智能节点分布于从近地轨道到低空的全空间范围，没有绝对的中心控制节点，采用 “集中训练、分散执行” 的模式，单个节点故障不会导致整体瘫痪，具备较强的抗毁性与鲁棒性。 第二，异构协同性。系统内包含卫星、无人机、地面站等多种异构平台，不同平台的算力、功能、运动特性差异显著，智能体能够屏蔽底层差异，实现任务层面的无缝协同与资源互补。 第三，自主闭环性。构建 “感知 — 认知 — 决策 — 执行 — 反馈” 的完整闭环，能够在无需人工干预或仅需少量人工监督的情况下，自主完成环境感知、态势研判、任务规划与动作执行。 第四，动态适应性。可根据环境变化、任务调整与节点状态动态重构系统功能，比如卫星拓扑变化时自主优化通信路由，任务优先级变更时自主调度感知资源，具备弹性适配能力。 第五，安全可信性。针对空天场景的高风险属性，内置安全审计、故障自愈、人在回路干预等机制，确保智能决策可解释、可追溯、可控，避免自主行为失控带来的风险。
2.3 相关基础理论
2.3.1 多智能体系统理论
多智能体系统（MAS）是支撑空天一体智能体运行的核心理论。该理论研究由多个自主智能体组成的系统，如何通过局部交互实现全局协同目标，重点解决分布式决策、任务分配、冲突消解与协同控制等问题。空天场景下，由于节点数量多、拓扑动态变化、通信带宽受限，集中式控制架构难以适用，而基于多智能体的分布式架构具备天然优势。当前主流的技术路径包括多智能体强化学习（MARL）、基于协商的分布式规划等，其中 “集中训练、分散执行（CTDE）” 的框架已在卫星资源调度、无人机集群控制等场景得到广泛验证。
2.3.2 具身智能理论
具身智能强调智能源于智能体与物理环境的实时交互，而非单纯的符号推理。空天一体智能体本质上是一类典型的具身智能系统，其智能能力不是在云端离线训练完成后固化下来，而是在执行任务的过程中，通过传感器感知环境、通过执行器作用于环境，并根据反馈持续优化自身行为。空天具身智能需要解决极端环境下的感知偏差、动作执行不确定性、长时延反馈等难题，当前视觉语言模型（VLM）、世界模型等技术的发展，为空天具身智能的实现提供了新的技术路径。
2.3.3 空天地一体化网络理论
空天地一体化网络（SAGIN）是空天一体智能体的通信底座，该理论研究如何融合卫星网络、空中平台网络与地面网络，实现全域无缝覆盖与高效数据传输。6G 愿景下，SAGIN 从 “通信管道” 向 “通感算智一体化” 演进，不仅提供数据传输能力，还集成感知、计算与智能处理功能，成为支撑智能体跨域协同的核心基础设施。网络的动态拓扑、异构链路、资源受限等特性，既是空天智能体的运行约束，也推动了智能算法与网络技术的深度融合。
2.4 空天一体智能体的能力层级划分
参照智能系统的通用分级标准，结合空天场景特点，可将空天一体智能体的能力划分为五个层级，从低到高依次为： L1 辅助执行级：平台具备基础自动化能力，可按照预设程序完成指定动作，决策完全依赖人工，当前多数传统航天器与无人机处于该层级。 L2 单机自主级：单平台具备自主感知与局部决策能力，可在限定场景下完成自主导航、故障自检、简单任务规划等，无需人工实时操控，当前先进的智能卫星、工业无人机处于该层级。 L3 集群协同级：同域同类平台可实现集群协同，比如无人机蜂群、卫星编队，能够在统一调度下完成协同任务，具备初步的分布式决策能力，是当前技术验证的重点阶段。 L4 跨域融合级：天、空、地异构平台实现深度协同，系统具备全域态势感知与跨域任务规划能力，可自主完成复杂的多域联合任务，人工仅需设定目标与监督过程。 L5 全域演化级：系统具备完全自主能力与自我演化能力，可在无人工干预的情况下适应全新场景、学习新技能、自主优化体系架构，是长期发展的终极目标。
当前全球整体处于从 L2 向 L3 跨越、L4 技术预研的阶段，距离 L5 仍有较长的技术距离。
三、空天一体智能体的体系架构设计
3.1 总体设计原则
空天一体智能体的架构设计需兼顾技术可行性、任务适配性与未来扩展性，遵循四大原则： 一是分层解耦原则。采用层级化设计，各层级功能边界清晰，通过标准化接口实现交互，便于技术迭代与模块替换，避免底层变动影响整体架构。 二是分布协同原则。避免单一中心节点的架构瓶颈，将智能能力下沉至边缘节点，同时保留全局认知与统筹能力，形成 “全局有统筹、局部有自主” 的协同模式。 三是异构兼容原则。屏蔽不同平台的硬件差异、协议差异与能力差异，提供统一的任务抽象与资源调度接口，支持存量平台接入与新型平台扩展。 四是安全内生原则。将安全机制嵌入架构各层级，从数据安全、通信安全、决策安全、控制安全等维度构建全链路防护体系，而非作为外挂模块补充。
3.2 “三层四域” 分布式协同架构
基于上述原则，本文提出 “三层四域” 的空天一体智能体架构，纵向分为终端感知执行层、边缘协同智能层、云端全局认知层三个层级，横向贯通控制域、感知域、计算域、服务域四个功能域，形成立体协同的技术体系。
3.2.1 终端感知执行层
该层是空天一体智能体的 “末梢神经” 与 “执行器官”，由嵌入轻量化 AI 模型的各类物理平台组成，包括低轨卫星、中高轨卫星、无人机、平流层飞艇、地面传感器与终端等。每个终端节点均具备基础的感知、计算与执行能力，搭载 TinyML 等轻型 AI 模型，可完成本地数据预处理、简单目标识别、即时动作响应等低时延任务，无需将所有数据回传云端，既减轻链路传输压力，也提升响应速度。
终端层的核心特点是节点异构性强、数量庞大、分布广泛，单个节点能力有限但群体规模效应显著。其运行模式为：在本地完成即时性强、计算量小的任务，同时向边缘层上报状态数据与处理结果，接收并执行边缘层或云端下发的指令与模型参数。例如，低轨遥感卫星可在轨完成云量筛查与疑似目标提取，仅将有效数据回传；巡检无人机可在本地实现障碍物规避与航线微调，保障飞行安全。
3.2.2 边缘协同智能层
该层是空天一体智能体的 “区域大脑”，由分布于卫星星座网关、高空平台、区域地面中心的边缘算力节点组成，承担区域内多节点协同优化的职能。边缘节点具备中等规模算力，可运行复杂度较高的 AI 模型，负责区域内的感知数据融合、多平台任务调度、局部网络优化、协同控制等功能。
边缘层的核心价值在于解决 “全局云端响应慢、终端节点能力弱” 的矛盾，实现区域级的低时延协同。例如，在某一灾害区域，由高空浮空器作为边缘节点，统筹调度区域内多架无人机与过境卫星，协同完成灾情监测、数据中继与救援引导，无需所有数据回传千里之外的地面核心云，大幅提升应急响应速度。边缘层之间可通过星间链路或骨干网络实现互联，协同完成跨区域任务。
3.2.3 云端全局认知层
该层是空天一体智能体的 “核心大脑”，部署于地面核心数据中心，承载超大规模 AI 模型训练、全局数字孪生构建、全域策略生成与全局资源统筹等职能。云端拥有最充足的算力与数据资源，负责处理复杂度高、全局性强的任务，包括大模型训练与更新、全局态势研判、中长期任务规划、系统整体优化升级等。
云端不直接控制单个终端的具体动作，而是通过下发策略、模型、规则与任务目标，引导边缘层与终端层的行为。同时，云端汇聚全系统的运行数据与任务反馈，持续优化算法模型，并通过数字孪生技术开展任务推演与方案验证，为全局决策提供支撑。例如，全国范围的生态环境监测任务，由云端统一规划卫星观测计划与无人机巡检方案，划分区域后下发至各边缘节点执行。
3.2.4 四域横向贯通机制
四个功能域贯穿三个层级，实现能力的横向打通：
•控制域：负责全系统的移动性管理、切换决策、路由规划与执行控制，从终端的单机控制，到边缘的集群协同控制，再到云端的全局策略控制，形成分级控制体系。
•感知域：统筹各类感知资源，从终端的单点感知，到边缘的区域多源融合，再到云端的全域态势生成，实现感知数据的分级处理与价值递进。
•计算域：统筹调度全域算力资源，实现任务的按需卸载与算力的动态调度，终端本地计算、边缘区域计算、云端集中计算协同配合，兼顾效率与成本。
•服务域：面向各类用户提供标准化智能服务，包括任务申请、结果推送、交互控制等，通过服务封装屏蔽底层技术复杂度，实现智能能力的按需输出。
3.3 跨域交互协议与接口标准
架构落地的核心前提是统一交互标准，解决异构系统的互操作难题。需构建分层的协议标准体系： 在网络传输层，制定统一的空天通信协议栈，兼容星间链路、空地链路、地面网络等不同传输介质，支持动态路由与链路切换，保障数据传输的可靠性与连续性。 在数据交互层，制定统一的数据格式标准与语义规范，对感知数据、状态数据、指令数据等进行标准化建模，解决异构平台数据格式不统一、语义不互通的问题。 在任务调度层，制定统一的任务描述接口与资源抽象模型，将不同平台的能力封装为标准化服务，支持任务的自动分解、分配与结果反馈。 在安全认证层，建立统一的身份认证与权限管理体系，实现跨域节点的可信身份验证与访问控制，保障交互安全。
3.4 数字孪生驱动的镜像推演架构
为提升系统决策的科学性与运行的可控性，在云端构建数字孪生镜像系统，形成 “物理实体 — 数字孪生 — 智能决策” 的闭环。数字孪生系统全量映射空天智能体的物理节点状态、环境参数与任务进程，具备三大功能： 一是状态可视化，实时呈现全域节点的运行状态、环境态势与任务进展，为人工监管提供直观界面； 二是方案预推演，在执行任务前，在孪生环境中模拟任务执行过程，验证方案可行性、预判潜在风险，优化决策参数； 三是复盘优化，任务完成后，基于孪生数据复盘任务执行过程，定位问题短板，迭代优化算法模型与调度策略。
数字孪生架构是实现空天一体智能体 “安全可控、持续进化” 的关键支撑，能够有效降低真实场景中的试错成本，提升系统迭代效率。
四、空天一体智能体建设的关键技术体系
4.1 多模态全域感知与认知技术
感知是空天智能体认知世界的基础，其核心目标是在复杂干扰环境下，实现对空天全域环境的精准、连续、高可信感知。
4.1.1 异构传感器数据融合技术
空天场景中的传感器类型极为丰富，包括光学相机、红外探测器、合成孔径雷达（SAR）、激光雷达、惯性导航、电子侦察设备等，不同传感器的工作频段、分辨率、采样率、抗干扰特性差异巨大，数据格式与坐标系也各不相同。异构数据融合需要解决时空配准、特征对齐、互补增强三大难题。
在时空配准层面，需建立统一的时空基准，依托北斗等卫星导航系统提供的高精度时间与位置信息，结合联合标定算法，将不同平台、不同传感器的数据统一到同一坐标系与时间轴下。在特征对齐层面，采用多模态特征融合网络，通过跨模态注意力机制实现不同模态特征的自适应加权融合，而非简单的数据拼接。中山大学团队提出的卷积交互学习网络，通过多尺度频域分解处理位置与速度等辅助特征，为多源异构特征融合提供了可行路径。在互补增强层面，利用不同传感器的优势互补，比如用雷达弥补光学设备受天气影响的短板，用光学设备提升目标识别的精细度，实现 “全天候、全天时” 的感知能力。
4.1.2 复杂环境下的目标识别与态势理解
空天感知面临背景复杂、目标多样、尺度变化大、数据缺失等挑战，传统检测算法难以满足鲁棒性要求。当前技术演进呈现两个方向：一是基于 Transformer 架构的目标检测模型，利用其长序列建模能力，提升复杂背景下小目标、弱目标的检测精度，已在卫星遥感影像目标检测、空中目标识别中得到广泛应用；二是时序建模与态势预测，通过 LSTM、时空图神经网络等方法，对目标运动轨迹、态势演化趋势进行预测，支撑提前决策。
态势理解则是在目标检测的基础上，进一步分析目标的行为意图、威胁等级与整体态势格局。这一过程需要结合领域知识图谱，将传感器数据与先验知识结合，实现从 “看到目标” 到 “看懂态势” 的跃升。例如在空间目标监视中，不仅要识别目标的位置与速度，还要判断其轨道变更意图、潜在碰撞风险与任务属性，为决策提供支撑。
4.1.3 抗干扰感知与鲁棒特征提取
空天环境中存在大量自然干扰与人为干扰：空间辐射会导致传感器噪声增加，大气湍流与云雨会衰减光学与雷达信号，电磁干扰会影响电子侦察与通信感知。抗干扰感知是保障系统在复杂环境下可靠工作的关键。
技术路径主要包括三类：一是硬件层面的抗干扰设计，比如采用抗辐射加固的传感器芯片、设计宽禁带半导体器件提升电磁耐受能力；二是算法层面的鲁棒特征提取，通过对抗训练、噪声建模等方式，使 AI 模型能够在含噪数据中提取稳定特征，降低干扰对识别精度的影响；三是多传感器冗余校验，利用不同类型传感器的抗干扰特性差异，通过多源数据交叉验证剔除干扰导致的错误结果。研究表明，采用多模态融合的感知系统，在强干扰环境下的识别准确率可比单模态提升 30% 以上。
4.2 通感算智一体化融合技术
传统架构中，通信、感知、计算、智能是分立的系统，资源利用率低且协同成本高。通感算智一体化是指将四类功能深度融合，通过硬件共享、频谱复用、能力协同，实现资源的高效利用与性能的整体跃升，是空天一体智能体的核心技术底座。
4.2.1 星间 / 星地高速通信与算力调度
高速可靠的通信是跨域协同的前提。当前星间激光通信已实现 100Gbps 级传输速率，成为星座组网的核心技术，之江实验室三体计算星座等项目均将高速激光链路作为算力调度的基础支撑。同时，太赫兹通信、毫米波通信等技术也在空地场景加速应用，满足高清态势数据、模型参数等大带宽传输需求。
在通信基础上，算力调度是实现全域算力协同的核心。由于空天节点算力分布不均，地面云算力充足但时延高，星上与机载算力有限但位置灵活，需要构建算力感知的智能调度机制：根据任务的时延需求、计算量与算力节点状态，自动选择最优的计算节点，实现任务的按需卸载。对于时延要求极高的控制类任务，在终端本地处理；对于区域级融合任务，在边缘节点处理；对于全局模型训练等大计算量任务，调度至云端处理。通过算力网络技术，让空天算力像水电一样按需流动、随取随用。
4.2.2 通感一体的频谱共享与波形设计
通感一体化是指利用同一套射频硬件与频谱资源，同时完成通信与感知功能，可大幅降低平台载荷重量与频谱资源消耗。在空天场景中，卫星与无人机的载荷资源极为宝贵，通感一体的价值尤为突出。
核心技术包括两方面：一是一体化波形设计，采用自编码器等 AI 方法端到端优化波形，使同一信号同时承载通信信息与感知探测功能，在接收端分别解码通信数据与提取感知回波，在非高斯信道下逼近性能极限；二是频谱共享与干扰协调，通过深度强化学习动态调整波束指向、形状与零陷，在保障通信质量的同时完成感知探测，同时避免多节点之间的同频干扰。当前 6G 技术研究中，智能波束管理已成为核心方向，大规模相控阵技术的普及为通感一体提供了硬件基础。
4.2.3 云边端协同的计算任务编排
通感算智融合的最终落地，依赖高效的任务编排机制。云边端协同任务编排需解决任务分解、资源匹配、时序调度三大问题：首先将复杂的空天任务拆解为一系列子任务，明确每个子任务的计算量、时延要求与数据依赖；然后根据全域算力节点的实时状态，为子任务分配合适的计算节点与通信链路；最后按照依赖关系调度子任务执行，保障整体任务的完成时效。
针对空天网络拓扑动态变化、链路不稳定的特点，当前主流方案是基于强化学习的动态编排算法，能够实时感知网络与算力状态变化，动态调整任务调度方案，避免链路中断或节点故障导致任务失败。西安电子科技大学团队提出的注意力增强分层多智能体强化学习算法，在空天地网络资源优化中展现出优异性能，相比传统算法在系统吞吐量与传输时延指标上均有显著提升。
4.3 自主决策与协同控制技术
自主决策与协同控制是空天一体智能体 “智能” 的核心体现，决定了系统能否独立完成复杂任务。
4.3.1 分层强化学习的任务规划与决策
空天任务通常具有层级化特点，顶层是宏观任务目标，底层是具体的平台动作。分层任务网络（HTN）与强化学习结合的分层强化学习方法，是解决复杂任务规划的主流技术路径。该方法将任务分解为不同层级的子任务，高层智能体负责宏观任务规划与目标分配，底层智能体负责具体动作决策，既降低了决策空间的复杂度，也提升了决策的可解释性。
在任务规划中，需要综合考虑燃料、电力、时间、轨道约束等多重限制，蒙特卡洛树搜索、贝叶斯风险决策等方法可用于量化评估任务风险，生成风险规避策略。安全强化学习（Safe RL）范式的引入，能够保证决策过程不突破安全约束，避免智能体在探索过程中触发危险行为，这对于高价值、高风险的空天平台至关重要。例如卫星轨道机动任务中，安全强化学习可确保机动过程中不会发生碰撞，同时满足燃料约束。
4.3.2 多智能体分布式协同控制
大规模异构平台的协同控制是空天一体智能体的核心难点。传统集中式控制需要全局信息，通信开销大且单点故障风险高；分布式协同控制则通过节点间的局部信息交互，实现全局协同目标，具备更好的扩展性与鲁棒性。
针对空天场景，主流的技术框架是 “集中训练、分散执行” 的多智能体强化学习架构：在训练阶段利用全局信息优化策略，执行阶段每个节点仅依靠本地观测做出决策。通过引入多头注意力机制，可有效捕捉智能体之间的依赖关系，提升协同效果。国防科技大学团队提出的集中 - 分布式多智能体分层决策框架，在星地协同监视任务中，可将卫星间通信量降低 20% 至 40%，同时提升任务收益。
除算法层面，协同控制还需要解决一致性问题，即保障所有节点对任务目标、态势信息形成一致认知。针对通信时延与数据丢包问题，分布式一致性算法与状态观测器相结合，可在有限通信条件下实现状态同步，支撑集群协同动作。
4.3.3 人在回路的混合增强智能决策
完全自主的空天智能体在可预见的未来仍难以实现，且高风险任务不允许完全无人决策，因此人在回路的混合增强智能是现实可行的模式。该模式下，智能体承担大量基础性、重复性、高时效性的决策工作，人类则负责设定目标、监督过程、处置异常与关键节点干预，形成 “智能体为主、人类为辅” 的协同决策关系。
实现该模式需要解决两个关键问题：一是决策可解释性，智能体的决策过程需要具备可解释性，能够向人类说明决策依据与潜在风险，便于人类理解与监督；二是人机交互接口，设计符合人类认知习惯的交互方式，支持人类高效介入决策流程，干预指令能够快速、准确地传递至系统并执行。大语言模型的发展为自然语言人机交互提供了新路径，基于大语言模型的集群协同决策框架，可通过语义指令实现对集群的高效管控，大幅降低人机交互门槛。
4.4 安全可靠与自主运维技术
空天平台造价高昂、任务风险高，且运行环境恶劣，安全可靠与自主运维是系统建设的底线要求。
4.4.1 抗干扰与抗攻击通信安全
空天通信链路开放、节点分布广，面临窃听、干扰、欺骗等多重安全威胁，且传统加密与防护手段在资源受限的星载、机载平台上部署难度大。
技术体系包括多层防护：物理层采用跳频、扩频、自适应波束成形等抗干扰技术，结合 AI 智能抗干扰算法，自动识别干扰类型并调整通信参数，提升抗干扰能力；网络层采用轻量化加密算法与抗量子密码技术，应对量子计算带来的密码破解风险，同时构建分布式身份认证机制，防范节点欺骗攻击；应用层采用入侵检测与异常行为识别技术，基于 AI 实时监测网络流量与节点行为，快速发现并处置攻击行为。研究表明，基于 AI 的自适应抗干扰系统，可在强干扰环境下将通信误码率降低一个数量级以上。
4.4.2 故障自诊断与自愈合机制
空天平台运行环境恶劣，元器件老化、空间辐射、外部撞击等都可能导致故障，且地面维修难度大、成本高，自主故障诊断与系统自愈合能力至关重要。
故障自诊断基于传感器采集的平台状态数据，通过时序异常检测算法识别早期故障征兆，结合故障知识图谱定位故障原因与影响范围。对于可修复故障，系统自主触发冗余切换、参数调整、功能重构等自愈动作，恢复平台功能。例如卫星姿控系统某部件故障时，可通过算法调整其余部件的控制策略，利用冗余能力维持姿态稳定。
在系统层面，当某一节点失效时，分布式智能体可自主调整任务分配与网络拓扑，将失效节点的任务转移至其他节点，实现系统级的自愈合，保障整体任务不中断。
4.4.3 对抗环境下的鲁棒性增强技术
在对抗性场景中，智能体还面临对抗样本、数据投毒、算法后门等 AI 安全威胁，攻击者可通过微小的扰动导致 AI 模型输出错误结果，引发决策失误。
鲁棒性增强技术包括三个层面：一是模型训练阶段采用对抗训练、数据增强等方法，提升模型对扰动的耐受能力；二是推理阶段采用多模型冗余校验、输入异常检测等机制，识别并过滤对抗样本；三是系统层面建立决策审计与复核机制，关键决策需经过多重校验，避免单一模型失效导致严重后果。北京化工大学团队在空间集群对抗研究中提出的鲁棒强化学习方法，可提升智能体对环境参数变化的适应能力，降低对抗场景下的性能衰减。
五、空天一体智能体的典型应用场景与效能评估
5.1 典型应用场景
空天一体智能体具备广域覆盖、快速响应、协同作业的优势，可支撑多领域的应用需求，以下选取四类典型场景展开分析。
5.1.1 应急救援与灾害治理
自然灾害具有突发性强、影响范围广、现场环境复杂的特点，传统应急救援存在感知滞后、力量调度慢、现场通信中断等痛点。空天一体智能体可构建 “天基宏观监测 — 空基抵近侦查 — 地面终端联动” 的应急救援体系。
在灾害发生初期，高分卫星与气象卫星快速扫描受灾区域，初步确定灾害范围与严重程度；随后调度长航时无人机与浮空器赶赴灾区，抵近获取高清灾情数据，同时搭建应急通信基站，恢复灾区通信；智能体自主规划救援力量部署路径，优化物资投放点位，并实时跟踪救援进展。在森林火灾、洪涝地震等场景中，该体系可将灾情感知时间从小时级压缩至分钟级，救援调度效率提升 50% 以上。中国矿业大学相关研究表明，空天地一体化感知体系可将地质灾害识别误报率降低至 5% 以下，为应急处置提供可靠支撑。
5.1.2 广域环境监测与资源勘探
我国幅员辽阔，生态保护、资源调查、农业监测等任务需要大范围、常态化的观测支撑。空天一体智能体可实现对国土全域的立体化、高频次监测。
在生态环境监测中，卫星负责大范围常态化巡查，发现异常变化后，调度无人机与地面传感器进行精准核查，形成 “普查 — 详查 — 核查” 的三级监测链条，大幅提升环境监管的效率与精度。在矿产资源勘探中，结合卫星高光谱遥感、航空物探与地面采样数据，通过智能体协同分析，可快速圈定成矿远景区，降低勘探成本。在农业应用中，卫星监测作物长势与病虫害范围，无人机实施精准植保作业，实现从监测到处置的闭环。
5.1.3 空天防御与态势管控
在国家安全领域，空天一体智能体可构建全域立体的态势感知与防御体系，实现对空中目标、空间目标的连续跟踪与精准研判。
系统整合天基预警卫星、空基预警机、地面雷达等多类感知资源，通过多源融合实现对隐身目标、高超声速目标、微小卫星等新型目标的有效探测。智能体自主调度各类传感器资源，对重点目标进行连续跟踪，实时解算目标轨迹与意图，辅助指挥决策。同时，可协同调度防空反导、电子对抗等作战资源，构建快速响应的杀伤闭环。相较于传统分立系统，一体化智能体的目标发现概率可提升 40% 以上，决策响应时间压缩 90%，显著提升体系作战效能。
5.1.4 深空探测与在轨服务
深空探测任务距离远、通信时延长、环境未知性强，对探测器的自主能力要求极高。空天一体智能体技术可支撑深空探测集群与在轨服务系统的构建。
在月球与火星探测中，由多个探测机器人、轨道器、中继星组成智能集群，自主完成协同探测、路径规划、故障处置等任务，地面仅需下达宏观目标，无需操控具体动作，可大幅提升探测效率，降低通信时延带来的影响。在轨服务场景中，智能服务卫星可自主识别目标卫星状态，规划接近路径，完成燃料补加、部件维修、轨道提升等服务，延长卫星使用寿命。中科院微小卫星创新研究院研发的仿生攀爬机器人，验证了在轨检测与维护的技术可行性，为智能在轨服务奠定了基础。
5.2 效能评估指标体系
科学的效能评估是衡量系统建设成效、指导技术优化的重要依据。结合空天一体智能体的能力构成，从四个维度构建评估指标体系。
5.2.1 感知效能指标
感知效能衡量系统获取环境信息的能力，核心指标包括：
•覆盖范围：系统能够有效感知的空间区域大小，用面积或体积度量；
•感知精度：目标定位、识别、状态估计的准确程度，用误差值或准确率表示；
•感知时延：从事件发生到系统感知并输出结果的时间差；
•目标识别率：正确识别目标类别与属性的比例，含复杂干扰环境下的鲁棒识别率；
•感知连续性：对目标的连续跟踪能力，用跟踪中断概率与平均持续跟踪时长表示。
5.2.2 决策效能指标
决策效能衡量系统分析研判与任务规划能力，核心指标包括：
•决策正确率：决策方案符合任务目标、满足约束条件的比例；
•决策响应时间：从态势输入到生成决策方案的时长；
•任务规划成功率：规划出可行任务方案的比例；
•资源利用率：任务执行中感知、算力、能源等资源的利用效率；
•风险控制能力：决策方案规避潜在风险的能力，用故障发生率与任务失败率衡量。
5.2.3 协同效能指标
协同效能衡量多平台、跨域协同的能力，核心指标包括：
•协同规模：系统能够有效协同的最大节点数量；
•协同响应速度：跨平台任务调度与协同动作的响应时延；
•任务完成率：协同任务的成功完成比例；
•异构适配性：支持接入的异构平台类型与数量；
•系统抗毁性：部分节点失效后，系统剩余能力的保持比例。
5.2.4 可靠性与安全性指标
可靠性与安全性是系统底线指标，核心包括：
•平均无故障工作时间（MTBF）：系统连续无故障运行的平均时长；
•故障恢复时间：故障发生后系统自主恢复功能的平均时长；
•抗干扰性能：干扰环境下系统性能保持率；
•安全防护等级：抵御各类网络攻击、物理攻击的能力等级；
•可审计性：决策与操作过程的可追溯、可复盘程度。
5.3 基于仿真的效能评估方法与案例分析
空天一体智能体规模大、成本高，难以通过全实物测试开展效能评估，因此数字仿真与半实物仿真是主流评估手段。评估流程分为四步：首先构建仿真场景，设置环境参数、节点配置与任务目标；其次运行仿真系统，记录全流程的指标数据；然后根据指标体系计算各项效能得分；最后分析短板瓶颈，提出优化方向。
以区域应急救援场景为例，构建包含 2 颗遥感卫星、3 架长航时无人机、1 个浮空器边缘节点与地面指挥中心的仿真系统，设定洪涝灾害监测任务。经测试，系统完成全域灾情初步感知的平均时间为 8 分钟，重点区域高清影像获取时延为 15 分钟，灾情识别准确率为 92%，救援路径规划优化率为 35%，相较于传统人工调度模式，任务整体效率提升约 60%，验证了空天一体智能体的应用价值。
需要说明的是，仿真评估结果需结合实物测试进行校准，通过半实物仿真、在轨试验等方式逐步修正模型，提升评估结果的可信度。
六、空天一体智能体建设面临的挑战与发展路径
6.1 当前面临的核心挑战
6.1.1 极端环境下的硬件与算力约束
空天平台对载荷的重量、体积、功耗有极为严苛的限制，同时面临空间辐射、极端温度、强振动等恶劣环境，高性能 AI 芯片难以直接部署。当前星上算力普遍处于较低水平，多数卫星仅能运行轻量化模型，无法支撑复杂智能算法。虽然太空环境具备天然散热与太阳能优势，但算力芯片的抗辐射加固、低功耗设计仍是核心瓶颈，高算力与低功耗、小体积、高可靠之间的矛盾突出。
此外，能源供给也是重要约束。卫星依赖太阳能供电，能源有限且受地影期影响，无人机受电池续航限制，难以支撑高强度持续计算。能源技术的突破，比如高效太阳能电池、小型化核能电源等，是空天智能体能力跃升的基础前提。
6.1.2 跨域异构系统的互操作性难题
空天一体智能体涉及天、空、地多类平台，分属不同行业、不同部门、不同厂商，技术标准不统一、数据格式不兼容、协议接口不开放，形成大量 “信息孤岛”。当前各系统多为垂直建设，横向协同能力弱，难以实现真正的一体化智能调度。
互操作难题不仅是技术问题，更是管理与标准问题。缺乏统一的顶层标准规范，导致各单位重复建设、系统难以对接，大幅提升了体系集成的成本与难度。如何打破行业壁垒、建立统一的标准体系，是建设过程中必须解决的制度性难题。
6.1.3 强对抗环境下的安全与信任问题
空天智能体的自主决策特性，带来了安全与信任挑战。在民用场景中，系统故障或决策失误可能造成财产损失；在国防场景中，决策失误可能引发严重安全后果。当前 AI 模型的黑箱特性导致决策可解释性不足，人类难以完全理解与信任智能体的决策结果，制约了自主权限的放开。
同时，对抗环境下的 AI 安全风险日益凸显。对抗样本、数据投毒、模型窃取等攻击手段，可能导致智能体感知失效、决策错乱，而现有防护技术仍不成熟。此外，自主武器相关的伦理与法律争议，也给空天智能体的军事化应用带来了规则层面的约束。
6.1.4 数据稀缺与模型泛化性瓶颈
人工智能模型的性能高度依赖训练数据，但空天场景真实数据获取成本极高，尤其是异常故障、对抗场景、深空环境等极端场景的数据极为稀缺。小样本条件下的模型训练效果不佳，导致智能体在未知场景下的泛化能力弱，容易出现 “训练场景表现优异、真实场景性能骤降” 的问题。
此外，空天环境动态性强，任务场景多样，单一模型难以覆盖所有情况。持续学习、增量学习等技术仍不成熟，模型在轨更新与能力迭代的成本高、风险大，限制了智能体的长期演化能力。
6.2 中长期建设发展路径
结合技术成熟度与应用需求，空天一体智能体的建设可分为三个阶段稳步推进。
6.2.1 技术验证与试点应用阶段（近中期，2026—2030 年）
本阶段的核心目标是突破关键核心技术，验证体系架构可行性，形成试点示范能力。 重点任务包括：一是突破星载 / 机载轻量化 AI 芯片、轻量级智能算法、高速星间激光通信等核心技术，提升单平台智能水平；二是开展同域集群验证，比如卫星编队智能协同、无人机蜂群协同，验证多智能体协同算法；三是选择应急救援、生态监测等典型场景，开展小规模空天协同试点应用，积累工程经验；四是启动标准体系研究，制定基础的交互协议与数据标准。 阶段目标：实现单平台自主能力达到 L3 级，同域集群协同技术成熟，完成 2—3 个典型场景的试点验证。
6.2.2 体系集成与规模部署阶段（中期，2030—2035 年）
本阶段的核心目标是构建完整的空天一体智能体体系，实现规模化部署与业务化运行。 重点任务包括：一是建成规模化的低轨智能卫星星座与低空智能平台群，形成全域覆盖的智能节点网络；二是完善云边端协同架构，建成全国产化的空天算力网络，实现算力与数据的高效调度；三是建立统一的标准规范体系，实现跨部门、跨行业异构系统的互联互通；四是在民用重点领域与国防关键方向实现全面业务化应用，系统效能显著提升。 阶段目标：跨域协同能力达到 L4 级，系统具备全域自主任务执行能力，在主要行业实现规模化应用。
6.2.3 全域智能与自主演化阶段（远期，2035 年以后）
本阶段的核心目标是实现系统的高级自主与持续演化，建成世界领先的空天智能体系。 重点任务包括：一是突破通用空天大模型、具身智能、自主演化等前沿技术，系统具备较强的泛化能力与学习能力；二是实现空、天、地、海全域智能体深度融合，形成全维度、全频谱的智能体系；三是建立完善的安全治理与伦理规范体系，保障高级自主系统的可控可信；四是向深空、行星探测等领域拓展，支撑深空智能探测体系建设。 阶段目标：系统向 L5 级能力演进，具备自主适应与演化能力，成为国家空天基础设施的核心形态。
6.3 政策与标准体系建设建议
为保障空天一体智能体有序建设，需从政策与标准层面提供支撑。 一是加强顶层统筹规划。设立国家级专项计划，统筹产学研用各方力量，避免碎片化建设与重复投入，明确技术路线图与阶段目标，集中力量突破核心瓶颈。 二是加快标准体系构建。成立标准化工作组，围绕架构、协议、数据、接口、安全等领域制定统一标准，优先出台急需的基础通用标准，引导行业规范发展。鼓励龙头企业与科研机构参与国际标准制定，提升国际话语权。 三是完善产业扶持政策。加大对核心元器件、高端芯片、智能算法等基础领域的研发支持，通过税收优惠、专项基金等方式鼓励企业投入技术攻关。推动商业航天与低空经济发展，培育多元化市场主体，形成产业生态。 四是健全安全治理机制。建立空天智能体安全评估与准入制度，明确安全责任边界；制定伦理规范，界定自主系统的权限范围与应用边界；加强人才培养，形成覆盖技术、管理、法律等领域的复合型人才队伍。
七、结论与展望
空天一体智能体是空天基础设施智能化发展的必然趋势，是融合多学科技术的复杂系统工程，对提升国家空天能力、支撑经济社会发展与保障国家安全具有重要战略意义。本文系统界定了空天一体智能体的概念内涵与能力层级，提出 “三层四域” 的分布式协同架构，构建了包含感知、通感算智融合、决策控制、安全运维的关键技术体系，结合典型场景建立了效能评估框架，并提出分阶段建设路径与发展建议。
当前，空天一体智能体仍处于技术突破与体系构建的关键时期，虽然面临硬件约束、互操作、安全可信等诸多挑战，但随着人工智能、航天技术、通信技术的持续突破，其发展前景广阔。未来，需坚持 “需求牵引、技术驱动、体系设计、分步实施” 的原则，凝聚产学研用各方合力，持续推动技术创新与工程落地，逐步建成自主可控、安全高效、世界领先的空天一体智能体，为我国建设航天强国与数字中国提供核心支撑。
参考文献
[1] 中国联通。天地一体融合通信愿景白皮书 [R]. 2023. [2] 面向 6G 的空天地一体化网络：人工智能赋能优化机制研究 [J]. 工程科学学报，2026. [3] Zhuang X, Cai Y, Zhong Y, et al. Convolutional interactive learning network with auxiliary features for hypersonic glide vehicle trajectory prediction under data missing scenarios [J]. Aerospace Science and Technology, 2026. [4] Wang X, et al. Meta-Reinforcement-Based Multipath Selection in Satellite-Ground Integrated Networks [J]. IEEE Internet of Things Journal, 2026. [5] 基于多智能体的空间移动目标协同监视资源调度方法 [J]. 宇航学报，2026, 47 (2). [6] 基于大语言模型的集群协同决策 [J]. 南京航空航天大学学报，2025. [7] Arani A H, Hu P, Zhu Y. UAV-Assisted Space-Air-Ground Integrated Networks: A Technical Review of Recent Learning Algorithms [J]. arXiv preprint arXiv:2211.14931, 2024. [8] On the Interplay of Artificial Intelligence and Space-Air-Ground Integrated Networks: A Survey [J]. IEEE Open Journal of the Communications Society, 2024, 5: 4613-4673. [9] NASA. What is NASA’s Distributed Spacecraft Autonomy?[EB/OL]. 2025. [10] 之江实验室。三体计算星座发展规划 [R]. 2025. [11] 郭崇滨，等。仿生双模式抓取器与空间攀爬机器人研究 [J]. Chinese Journal of Aeronautics, 2026. [12] 基于 MADRL 的空天地网络资源优化算法 [J]. 西安电子科技大学学报，2026.
声明：
本篇文章图片部分来源于网络。部分文章来源全网络网站，表示感谢。传播正能量，提升正知识，新质生产力。欢迎关注传播
本公众号微文及图片部分AI处理，具有全局观及高清特质，请在WIFI情况下查看浏览。
传播正能量，提升正知识，新质生产力。欢迎关注并传播
