科学研究

航天群智能研究

报告日期:2016-06-08 点击次数: 打印 字号:TT



一、中心简介

中心以推动我国航天事业智能化为基本出发点,探索研究在大数据和新的人工智能时代航天技术的发展及航天生态的再定义。瞄准“航天+智能+大数据”所面临的重大基础理论、关键技术及应用问题,研究如何将卫星系统从单星的智能认知与决策,迈向群星的智能协同与演化,并最终和人相结合形成混合智能系统。中心旨在引领我国航天技术智能化发展,并努力成为未来航天生态再定义的先驱。


二、技术负责人

1. 周庆瑞,研究员

中科院自动化所控制理论与控制工程博士,博士后。主要从事分布式卫星自主导航与控制、多体协同控制、航天群智能技术等研究。承担多项总装预研及863、科技部863及973、民用航天等项目。获得国家发明专利12项,发表论文20余篇。“空间群智能技术及应用”方向技术负责人。


2. 向雪霜,副研究员

中科院数学与系统科学研究院计算数学专业博士,新加坡国立大学理学院博士后。主要从事数值计算、深度学习的算法、理论及应用研究。主持国家自然科学基金青年基金一项,发表 SCI论文10余篇。“空间智能系统的基础理论与方法”方向技术负责人。


3. 范达,特聘研究员

清华大学精密仪器系仪器科学与技术专业博士。主要从事智能卫星、遥感目标检测、天基超静平台、磁悬浮动量球等方面的研究。主持国家自然科学基金青年基金一项,发表论文近20篇,申请专利近10项。“智能认知与自主决策理论、方法与应用” 方向技术负责人。


三、研究方向


1. 空间智能系统的基础理论与方法:瞄准人工智能技术应用到复杂空间系统中所面临的基础理论及算法问题,研究基于深度学习算法的多源数据关联性分析、多源数据融合等针对空间系统特点的新型算法,并配套发展相关理论,提高空间数据分类准确率、空间数据融合效率、空间数据的模仿能力,提升人工智能技术在空间智能系统中的应用效能。当前研究主要包括:多源多时数据深度融合算法及理论、宽幅动态场景下的增量式在线深度学习算法及理论、基于深度学习的数据关联性分析方法、基于流形分析的对抗样本分析方法和基于神经元随机激活的新型生成网络。


2. 智能认知与自主决策理论、方法与应用:以未来智能卫星为导向,通过人工智能技术构建单星智能,实现卫星的在轨智能认知与自主决策,并为空间群智能奠定基础。当前工作重点围绕遥感卫星的在轨认知,研究基于深度学习的遥感目标星上实时检测技术与方法,从提升检测精度和速度两个方面开展研究。针对遥感图像复杂、宽幅、小目标密集等特性和应用领域对精度需求的特殊性,开展新型深度神经网络框架的研究,提升遥感目标检测的精度,使其达到实用级应用水平;针对星上计算、存储、能量等资源有限的问题,开展深度学习算法模型压缩和计算提速等方面的研究,实现深度学习的在轨实时计算,形成对空间即时任务响应和支持的能力。


3. 空间群智能技术及应用:随着技术发展,卫星的研制和发射成本逐步下降,在轨卫星数量快速增加,星间网络逐步建立、星上数据处理能力飞速提升,卫星正在形成“感知、交互和决策”能力,天基系统已初步具备“通过在轨交互协同涌现智能”的技术基础。研究中心针对未来用天需求,开展航天群智能涌现机理和实现机制研究,突破分布式协同任务规划、天基系统自主演化等关键技术,形成新的智能用天和天基系统智能运行新模式,引领航天技术的智能化发展。