随着自动化，机器学习和人工智能在多个不同领域留下不可磨灭的印记，它们在太空领域得到越来越多的研究和实施，以应对未来的太空时代，其主要内容将是先进的机器人技术，可能类似于机器人星际间的冒险。

太空中的人工智能与机器学习

人工智能的应用正在卫星运行领域得到广泛研究，特别是在支持巨大卫星星座的运行机制方面，通常包括多个方面，包括相对定位，通信，循环管理等。

机器学习被用于分析和处理高分辨率卫星图像以及获得精确和精确的视觉表示。机器学习已经成为分析复杂遥感数据和遥测数据的宝贵工具。超越地球观测，对于强大的图像和数据处理和分析，机器学习用于处理来自深空任务的数据。

某些火星探测器是AI配置并自行导航。但是，如果不升级现有的研究能力，将来不可能广泛使用流动站。

ESA（欧洲航天局）是先驱者之一

ESA正在支持和赞助许多关于在空间和航天器运行中使用人工智能的研究。截至目前，航天器需要不断与地球站进行通信以进行操作，但新时代的自主航天器将能够自主运行。这将促进勘探工作，并显着降低太空任务的成本。已经确定自动导航和软件升级是完全自主之前的关键要求。

重点还在于管理复杂的星座以减少地面站的工作量。通过完全自动化，可以减少对人工干预的需求，从而节省大量时间，精力和金钱。为此，需要开发自动防撞操作。在ESA基础活动的支持下进行的一项研究将历史任务数据输入到机器学习算法中，以搜索对未来遥测检查，命令验证和程序编写过程有用的新功能。

深度学习在空间中也有其一套实用工具，无论其范围如何新颖。深度学习可应用于自动着陆，智能决策和全自动系统。ESA的高级概念团队（ACT）正在研究这些可能性。特别地，ACT研究了进化计算，其包括以这样的方式编写计算机代码以便考虑所有演进。保持更好的结果，更糟糕的是被拒绝，就像在达尔文的'适者生存'进化中一样。这可用于计算行星的轨迹。ACT还致力于社区科学移动应用程序，该应用程序将增强和改善空间探测器的自主能力并优化行星和天体跟踪系统。

ESA已经在人工智能和机器学习研究方面取得了巨大的飞跃。流动站上的智能数据传输软件消除了人为错误的余地，否则可能导致致命的后果。人工智能已经被证明是一种通过虚拟数据海洋筛选和过滤的强大工具，其预测分析方法很快将被许多空间机构使用。

全面共识

就像ESA一样，其他空间机构也同样热衷于开发人工智能功能并在太空计划中使用它。德国航空航天中心发射了一名人工智能助手，将协助宇航员在国际空间站上完成日常任务。语音控制智能助手，即CIMON（Crew Interactive MObile companioN），具有多种功能。

NASA正在研究通过使用基于AI的认知无线电来提高通信网络的效率和无失真，从而提高可靠性并最大限度地减少噪声失真。NASA还计划为未来的任务设计全自动发射器和探测器。

NASA还与谷歌携手进行人工智能算法的独家训练，该算法可以从开普勒任务中筛选数据并识别来自系外行星的信号，从而发现了两颗新的系外行星，这些系外行星以前未被科学家发现。现在也将为地球观测部署同一个项目。

ESA和NASA协作项目AIDA（人工智能数据分析）根据欧洲视野2020框架创建，将分析和处理来自太空的数据，减少误差范围并暴露像差。

日本航天局日本宇宙航空研究开发机构还开发了一种智能系统，该系统在国际空间站点击并存储日本模块KIBO的实验图片。它的开发旨在促进车外实验的自主性，同时寻求获得未来勘探任务所必需的机器人技术。

俄罗斯航天局的ROSCOSMOS也没有落后。它开发了两种叫做FEDORA的人形机器人，它已被送到国际空间站。