米兰--太空行走通常是太空任务的一大亮点，但随着机器人技术和遥控技术的进步，太空行走在未来可能会发生变化。

10月16日，在这里举行的国际宇航大会上，麻省理工学院航空航天博士生、国防科学与工程研究生Golda Nguyen表示，宇航员每次走出航天器，都是一项令人难以置信的高风险活动。“我们需要批判性地思考人类生命所面临的风险，以及指派人类从事活动的价值回报。”

Nguyen的研究重点是支持人类在太空和地球上活动的智能系统，他在IAC的一次小组讨论中发表了这一评论，该小组的标题为“智能空间：太空中的大数据、先进算法和自主机器人”。

小组成员讨论了人工智能对空间操作的潜在好处，以及对强大的天基计算机和广泛的训练数据集的需求等挑战。

加拿大初创公司Obruta的联合创始人兼首席技术官柯克·霍维尔说，“我对未来的愿景是，航天器可以绕着彼此飞行并相互对接，自动加油、修复或移除空间碎片，运送和接收货物。”Obruta是一家加拿大初创公司，专注于航天自主飞行。我预计每天会有数百次航天器对接。我们实现这一目标的方法是通过自主和人工智能。让航天器自行飞行是一项变革性的技术，也是建立在轨经济的基础。

在探测任务期间，机器人可以提供必要的基础设施。

例如，东京大学航空航天工程学助理教授史瑞亚·桑特拉说，“单独或与宇航员一起工作的”模块化、可重构机器人“可以建造栖息地、搬运货物、建造火箭发射器和着陆台。”“智能自主系统有能力提高效率和速度，同时将行星任务所涉及的风险和成本降至最低。然而，在设计这些智能系统时存在很多挑战，包括为高能效、稳定的AI算法设计稳健的控制器。

由于从地球向太空运输货物的成本仍然很高，桑特拉谈到了可重新配置的模块的重要性，这些模块可以适应环境，适应它们必须完成的任务。

瓶颈

研究人员在将人工智能应用于航天项目时经常提到的障碍之一是风险厌恶。

悉尼大学澳大利亚野外机器人中心的博士生杰克·内勒说，航天界“喜欢工作的东西，喜欢飞行的传统”。然而，创新需要“试验、开发新系统、严格测试它们，然后能够在更大范围内部署它们，”内勒说。例如，航天器将需要强大的计算机、适合环境的传感器，以及“利用我们可以收集的所有数据”的能力，他补充道。

训练机器学习模型需要大量的数据集。

“如果我们想要自主机器人和先进的算法，我们需要大数据，”霍维尔说。

虽然自主航天器对接的训练数据并不多，但“每次任务中收集的数据量是巨大的。”

Hovell说，随着每一次新的对接任务，传感器、摄像头和配备GPS的设备都可以捕获“大量数据，这些数据都可以输入到先进的系统中进行训练”。“我们做的这些自主操作越多，我们的数据桶就越大，我们的自主机器人就能变得越好。”

数据共享

来自欧洲航天局、美国国家航空航天局和美国地质调查局的免费地球观测数据集帮助世界各地的组织开发了物体探测平台。公司或政府机构拥有的许多其他类型的空间相关数据并没有被广泛共享。

荷兰莱顿大学空间法助理教授Dmitra Stefoudi说：“我认为，该法律的贡献在于使能和共享信息、共享数据和合作。”“我们需要做更多的工作，在取消部分限制的同时，当然要保护商业利益。”