人工智能航天領域應用參考模型

陳 杰，譚天樂，陳 萌

(1.上海航天技術研究院，上海 201109； 2. 上海航天控制技術研究所，上海 201109；3. 上海宇航系統工程研究所，上海 201109)

0 引言

人工智能技術經過60余年的沉淀，近期以經濟、國防領域的強烈需求為推動，以 “傳感網與大數據、新智能理論與算法、高效芯片與超級計算、高速無線互聯網”技術進步為基礎，驅動新一代人工智能的加速發展與應用。基于人工智能技術構建的無人系統可將人類從簡單、重復、枯燥、臟亂、危險的工作中解放出來，人工智能技術逐步在精準分布感知、多模數據長期比對、危險快速判斷、數據挖掘與知識獲取、靈巧精細操作、快速柔順機動、博弈決策生成、群體協同等方面開始接近或超越人類，具備了初步的感知、認知、學習和自主行動能力，催生出大量新技術、新產品、新產業、新業態和新模式。

人工智能將深刻改變人類社會生活的各個方面，是引領未來科技競爭的戰略性前沿技術。21世紀，人工智能技術將與空間技術、新能源技術、生物基因技術、微納米技術等，成為驅動人類科技進步的尖端技術。目前，世界各科技大國紛紛出臺規劃和政策，加快推動人工智能技術的發展[1-4]。人工智能技術與航天技術深度融合，可加快航天強國建設和現代化國防建設。

不同文獻中對人工智能有不同的定義[5-9]，我們認為，人工智能是 “讓機器承載智能要素，使機器像人類一樣思考和主動行動，模擬、延伸和增強人類在改造自然、治理社會的各項任務中的能力和效率，最終實現人與機器和諧共生共存的社會”的相關理論與技術。人工智能學科則是 “一門揭示人類思維意識本質，用機器去模擬、延伸和擴展人類智能的學科”。理想的智能系統能夠自主完成人類交付的使命任務，甚至僅依據設定的價值驅動與道德約束準則就可以自主行動。

為了實現航天領域的人工智能應用，開發具備智能特征的技術、產品與系統，需要清晰認識人工智能技術范疇，分析航天急需解決的問題和目前人工智能可應用的方面，建立涵蓋基礎設施、基礎技術、應用技術、產品與系統的技術參考模型，實現系統布局、重點突破和協同發展。

1 人工智能技術范疇

人工智能概念始于1956年達特茅斯會議的主題，發展到今天，歷經多次浪潮起伏。人工智能理論方法主要分為三條技術路線[10-11]，分別是“符號主義”、“連接主義”和“行為主義”。“符號主義”基于邏輯功能模擬，用計算機模擬人的思維過程和智能活動，代表領域有專家系統和知識工程；“連接主義”基于統計仿生模擬，用計算機構建類似人腦的神經網絡及網絡之間的連接觸發機制，代表領域有感知分類；“行為主義”(或“進化主義”)從基于“感知-動作”或“感知-思維-動作”模擬，用計算機模擬人的遺傳進化本能或思維反應能力，代表領域為智能行為和智能控制。

人工智能本質上是研究人腦的思維機理，其發展將帶來一場人腦認知、機器替代人腦的革命。人腦各部分分別完成記憶思維、信息感知和動作反應功能。從認知科學角度看，人類智能由智力和能力組成，智力反映思維能力，能力反映行動能力[12]。智力由先天進化遺傳與后天知識學習構成基礎，通過不斷的思維和行動實踐得到加強。圖1描述了人腦自然智能功能結構和知識獲取、思維能力、行動能力。

圖1 智能功能結構和知識獲取、思維能力、行動能力Fig.1 Intelligence function structure and description ofknowledge obtaining，thinking capability，behavior capability

人工智能系統模擬人腦自然智能系統，因此機器智能系統需形成“自感知、自記憶、自思維、自學習、自適應、自行動”能力。在圖1基礎上，進一步建立如圖2所示的模擬人腦“信息感知、記憶思維、學習適應、行動驅動”的架構模型。圖1和圖2中描述的內容是發展人工智能的知識獲取、思維與行動各類表達方法、各類算法需要深化解決的前沿技術問題。

圖2 “信息感知、記憶思維、學習適應、行為驅動”的擬人模型Fig.2 Anthropomorphic model for information perception, memory thinking, learning adaptation and behavior driving

1) 自感知。指通過感知器感知外部世界事物的能力。其中，事物包括對象和過程[13]，對象是存在的事物，過程是變換對象的事物。過程或者導致對象狀態變化，或者導致對象消亡，或者導致對象產生。感知外部世界，一種是對靜態對象的感知，另一種是對動態過程或現象的感知。

2) 自記憶。指對外部感知信息和思維認知信息的存儲過程。事物的客觀感知信息和思維認知信息、事物之間聯系和事物規律的認知、解決問題的思維方法與行動方法都可稱為知識。知識可按結構或非結構方式、不同粒度或層次方式進行存儲，通過學習和實踐對已存儲的知識不斷豐富和完善。

3) 自思維。思維的核心是推理與決策。狹義思維是指推理、搜索、規劃、博弈過程；廣義思維是指認識事物、獲取知識、應用知識、解決問題的所有過程。思維有“形象思維、邏輯思維、靈感思維”三種模式。

4) 自學習。是針對特定目的的知識獲取過程，使機器能夠像人那樣自動獲取新知識、不斷增加知識、不斷提高能力的過程。有人指導學習(監督學習)是基礎，自主學習(無監督學習)是智能系統追求的目標。

5) 自適應。是一種通過系統自我調節、重新配置內部資源和運行規律，以適應任務變化、內外環境變化過程的能力。自適應在控制學上，可理解為系統的魯棒性。

6) 自行動。是對感知到的外界信息作出的動作反應能力。低層智能行動能力，指模擬人類本能進化能力，對感知的緊急情況，不經思維作出反應；高層智能行動能力，指模擬人類經過謹慎思維，依據價值和倫理作出的決策行動。

人工智能屬于正在發展的前沿技術，涉及許多新概念和新技術，極易造成混淆，有必要認識其技術范疇，梳理其技術邏輯層次與關系，提出分層發展、逐步應用的發展思路。

1) 機器模擬人腦，需要增強硅基載體能力。人工智能功能的實現，目前仍基于硅基電子產品作為載體。人工智能發展需要持續增強各類傳感感知與大數據存儲、云計算和邊緣計算軟件平臺、高性能芯片、高速互聯通信等載體的基礎能力。

2) 人工智能進步，需要不斷創新智能理論。追尋古希臘哲人思維方式，將物理世界抽象成數學符號，通過邏輯推理與計算，將隱性知識變為顯性知識的思路，發展出了“符號主義”理論；依據醫學腦解剖和神經刺激研究，仿人腦結構神經元和刺激觸發機制，發展出了“連接主義”理論與深度神經網絡等方法；遵循控制理論思想，模擬人類在控制過程中的“感知-行動”或“感知-思維-行動”，發展出了“行為主義”(或“進化主義”)理論；圍繞自然和社會存在的大量不確定性問題，應用概率表達與推理，采用貝葉斯公式或網絡，發展了概率“統計主義”理論[11]；另外，目前還在發展了基于“時空-因果鏈”價值驅動的“因果推理”理論[10]、綜合多種理論的“綜合學派”和“類腦學派”等新理論。

3) 應用人工智能，重在發展高效智能算法。這些共性的、基礎的、高效的智能算法涉及感知學習、知識表達與存儲、推理/搜索/規劃算法、博弈算法、情感描述、價值驅動與倫理約束表達等方面。這些算法需要從基于人工事先編程模式，向機器自主學習與自主編程模式演進。

4) 各種理論算法，需分類驗證和比較優選。一是感知智能驗證，包括視覺類的文字、圖像、視頻識別等，聽覺類的語音識別、自然語言理解與交流等，射頻類的雷達信號、通信信息識別等，以及力覺、觸覺、嗅覺感知、多媒體感知等，含目標提取、分類、狀態判定與現象發展過程等；二是認知智能驗證，包括對事物認知、事物聯系與規律探尋，競爭或合作對象行為意圖判斷與預測，應對策略方法與博弈決策方案生成，發展深度強化學習與生成對抗學習等無監督學習方法；三是行動智能驗證，包括應急類的“感知-行動”、慎思類的“感知處理-認知模塊-規劃控制”行動方法，以及柔順快速機動、靈巧精細操作；四是群體智能驗證，包括協同感知、協同博弈策略生成、協同行動等。

5) 行業應用推廣，需要有序布局分步推進。從技術層出發，結合智能技術發展現狀，成熟一項應用一批；從應用層出發，結合行業急需，解決問題，取得實效，穩步推進。目前，人工智能屬于弱人工智能范疇，是適用特定場景，具有特定功能的專用智能。人工智能在基于大數據和深度神經網絡的感知智能方面成熟度較高；在基于知識圖譜的知識表達與推理搜索，或者認知智能方面成熟度還不高；基于確定性信息與規則的快速反應方面成熟度高，基于不確定性信息或廣域知識的決策行動方面成熟度低；在基于自主學習、自主規劃方面的技術發展參差不齊。在航天領域，可分別梳理防務、宇航、航天制造三方面需求，推廣相對成熟的人工智能技術，先解決急需，再拓展到整體。

概括起來，人工智能在理論方面有“確定性數理邏輯和不確定性概率統計”兩類模型，形成了“符號主義”、“連接主義”和“行為主義”三大主流學派，并正在發展“因果推理”、“綜合學派”和“類腦學派”等；基礎方面得到“傳感網與大數據、云計算和邊緣計算、高端芯片、高速互聯網”四大能力發展的支撐，發展了“機器學習、機器思維、機器博弈、機器情感與機器倫理”四大類共性基礎技術，以及“感知智能、認知智能、行動智能、群體智能”四大類共性應用技術；產品應用方面，智能穿戴設備，智能機器人、智能無人車，智能無人機和無人船等層出不窮；系統應用方面，在智能防務裝備、智能宇航裝備、智能航天制造，以及智能醫療、智慧城市、智能農業、智能交通、智能政務、智能家居等領域開始拓展應用。為了規范智能技術和產品對社會倫理和法律的沖擊，也要抓緊研究制定相關的法律法規、倫理規范和政策體系。

2 航天宇航領域典型智能系統需求分析

航空航天是人工智能技術應用的重要領域。在航天領域中應用人工智能的最初目的是使依賴智力的勞動密集型工作、易于出錯的任務過程、危險的工作流程實現自動化。人工智能在航天的應用可以追溯到20世紀70年代，當時主要基于“符號主義”建立專家系統。例如，NASA在“旅行者”深空探測器上構建了一個包含140余條規則的專家系統(Devicer II)[9]，用于快速執行行星觀測任務；圍繞航天飛機，NASA先后開發和應用了液氧推進劑裝填專家系統(LOX)[14-15]、執行飛行任務和程序修訂的專家系統(Expert)、發射前專家系統(PLES)、智能化信息管理系統(IMIS)、基于知識庫的自動測試系統(KATE)、發射過程專家系統(LPS-II)等；在“好奇號”火星探測器中，采用專家系統自主引導相機進行巡視探測；在“地球觀測一號”遙感衛星中進行地表觀測目標尋找與價值評估；在衛星定點保持與機動中設計與使用了專家系統ESSOC[16]。這些專家系統中，知識獲取一直是瓶頸問題，而且在定量分析上，專家系統也面臨一些困難。

近年來，隨著以人工智能芯片、深度學習為代表的人工智能技術的發展，人工智能在航天領域得到了新的突破和應用。美國空軍計劃將人工智能應用于太空態勢感知；美國密蘇里大學研究了利用深度學習方法遙感定位導彈發射場的技術；日本JAXA設想自動建設人類月球基地；中國的“吉林一號”衛星將人工智能與空間對地觀測載荷相結合，用于目標識別等。為了衡量和評估人工智能在航天領域中的應用程度，美國航空航天學會(AIAA)的空間操作與支持技術委員會(SOSTC)對航天器智能化按層次分為六個等級(Level 1～6)，分別為“手動操作、自動化、有人地面智能推理、無人地面智能推理、在軌智能推理、自主思考”航天器。目前航天領域人工智能的應用大多還處在Level 2～4的水平。

基于目前人工智能技術取得的進展，對航天宇航領域的應用急需和人工智能應用方面進行重點梳理。航天宇航領域包括運載火箭、應用衛星、空間探測、宇航系統設計與制造四個方面。

2.1 運載火箭方面

目前需要在運載火箭測試發射無人操作[17-18]、飛行階段的故障監測、軌跡與控制規律重構等方面開展相關技術研究。主要內容包括：減少發射操作過程對人員高度依賴問題；解決一次性使用運載火箭飛行任務變化、飛行環境變化和突發故障，運載火箭的魯棒適應性問題；解決重復使用火箭智能健康監測和評估問題。當前需求有3項。

1) 運載火箭發射智能測發系統。開展推進劑自動對接加注、自動檢測操作等技術研究，降低發射場測試操作人員數量，提高操作安全性，實現運載火箭測試發射人機協同、操作無人化。

2) 運載火箭自適應飛控系統。依據運載火箭能力約束，利用人工智能技術構建飛行軌跡自主規劃、飛行過程自適應控制、故障智能診斷與處理系統，實現數據傳感、飛行控制、故障診斷一體化，達到感知狀態和火箭配置資源的最優化。

3) 重復使用火箭健康監測和評估系統。針對可重復使用運載火箭，發展智能檢測技術，包括返場無拆卸的動力系統智能檢測技術、運載器健康智能評估和壽命預測技術。

2.2 應用衛星方面

目前需要解決衛星平臺智能控制與管控、遙感衛星載荷信息在軌自主處理、智能遙感衛星、智能協同衛星星群等問題。

1) 衛星平臺智能控制與管控。在衛星平臺控制與數管分系統中引入人工智能技術，使衛星在不確定環境與故障、無人員干預的條件下，自主實現高精度、高穩定度、強適應性和長壽命的正常運行，并實現星上控制、推進、能源、數據和星務管理等[19]。

2) 遙感數據在軌自主處理。依據衛星平臺、衛星載荷、軌道和姿態、光照環境等狀態數據，在軌準確實時地判別目標、識別狀態等[20-22]，并通過星地聯合機器學習，不斷提高目標判斷準確率和狀態識別精度。

3) 智能遙感衛星。智能遙感衛星系統具有智能搜尋遙感目標、智能規劃航天器任務、智能配置與調用衛星資源等能力。智能衛星系統執行任務時可分為使命層、任務層、行動層3層。智能衛星分為智能使命衛星、智能任務衛星。智能使命衛星，以完成使命任務為目標，在一定能力范圍內，只需給定使命目標，后續無需人員介入，衛星自主規劃任務層和行動層。智能任務衛星，則根據任務執行過程中的環境、目標和自身狀態變化，可以自主規劃任務序列和分配子任務，自適應調整系統配置和執行控制模型。

4) 智能遙感集群衛星。智能遙感集群衛星以多星執行任務為對象，通過多星資源的調用，實現融合多傳感器的智能感知。

2.3 空間探測方面

該領域主要涉及空間機器人，包括軌道機器人(空間操控機器人、自由飛行機器人)和行星機器人(星表巡視作業機器人、宇航員服務機器人)等[23-26]。其中，空間操控機器人可輔助和拓展宇航員的在軌操作能力，替代或補充宇航員的出艙活動；自由飛行機器人可實現對被服務航天器的捕獲、加注、更換、維修、重定軌、組裝等作業；星表巡視作業機器人可為載人行星探測開展先導性的科學探測；宇航員服務機器人則輔助宇航員星表出艙活動。

1) 空間機器人共性智能技術。該技術包含多模感知、移動避障、靈巧作業、人機交互、自主規劃與控制。空間機器人必須應對空間極端環境的輻射、真空、高低溫、潤滑、微流星、軌道碎片、微重力、行星表面塵埃等環境，并滿足有限能源、低質量、高可靠、遠距離通信延時、精細操作、振動抑制、高精度定位等要求[24-25]。美國NASA對機器人和自主系統需要發展的技術進行了梳理[26]。表1為NASA分解的空間機器人和自主系統技術研究領域。

2) 軌道機器人。需要解決作業端精確控制的反作用力動力學、低剛度結構振動抑制、大時延遙操作等關鍵技術；

3) 行星機器人。需要解決自然地表移動、巖石障礙與坡度的通過性，遙操作與自主操作的導航，即時定位與地圖構建(SLAM)[27-28]，對象跟蹤[29]，原位資源分析，采樣/處理和運送，能源與通信，極端環境適應性等關鍵技術。系統涉及機械動力系統、電子信息系統、控制規劃系統，以及多運動自由度運動學、動力學運動模型，分布傳感網、驅動網、控制網、電源供給，計算機輔助控制、人輔助遙控、行為規劃、動作規劃、階段時線圖、運動控制，視覺感知、聲覺感知，數據通信，冗余計算，遙控指控等技術。

2.4 宇航設計與制造方面

適應航天宇航小批量柔性制造特點，實現高質量、高效率和高效益發展。

表1 空間機器人和自主系統技術領域分解結構

1) 概念設計或初步設計。將基于文本的傳統系統工程(TSE)轉化為采用基于模型的系統工程(MBSE)，構建一定程度的自動設計和輔助分析能力。

2) 詳細設計和制造銜接。需要采用可標注工藝要求的數字化設計軟件工具,即所謂基于模型的定義(MBD)設計方法。

3) 虛擬驗證和評價。需要采用基于賽博-物理系統(CPS)的數字孿生技術。

4) 制造、裝配、物流、管控和后續服務。需要逐步實現數字化、網絡化、智能化，運用機器人和自動化技術，實現現場最大程度減少人員介入，實現全過程數據自動記錄的制造、裝配、物流和遠程服務。

3 參考模型框架

目前，人工智能技術還未形成成熟的參考模型框架。借鑒系統工程過程的要素關系(見圖3)，以及技術成熟度劃分的思路，采用二維結構形式，提出初步的航天宇航領域人工智能參考模型框架，如圖4所示。航天防務領域也可構建類似的參考模型框架。

圖3 系統工程過程中的要素關系Fig.3 Elements relationship in the process for systems engineering

圖4 人工智能在航天領域應用參考框架模型Fig.4 Reference framework model of AI application in aerospace

1) 基礎設施層。基礎設施層是人工智能發展的基礎。它涉及智能系統對外部溝通的各類新型傳感器和顯示器設備，例如，3D視覺傳感和雙目視覺傳感、力覺/觸覺傳感器、頻譜認知雷達、射頻光學一體雷達，腦控/聲控/肢控/眼控等人機交互設備，虛擬現實、增強現實顯示；新型智能算法理論，以及適用的深度學習軟件通用開源開發平臺 TensorFlow、Caffe 等；基于 CPU、GPU、FPGA、AISC 等邊緣計算智能加速計算芯片；實現高通量互聯的區域和遠程無線通信網絡等。

2) 基礎技術層。基礎技術層是基于人工智能理論的智能實現核心框架、模型和算法，可基于圖2、圖3的描述發展相關技術。其中，機器學習模擬人類學習行為，分為監督學習、無監督學習和強化學習，或者分為基于“符號主義”的歸納學習方法和演繹學習方法、基于“連接主義”的各種深度神經網絡學習方法、基于“行為主義”的各種智能控制方法、基于“進化主義”的各種遺傳算法等，當前正在發展自動機器學習(AutoML)方法[30]。認知與推理包括知識圖譜等知識表達方法，確定性知識和不確定性知識推理方法、快速搜索算法等，當前需要發展自動知識圖譜生成、機器類人物理與社會常識認知方法；二元與多元博弈與決策方面，涉及博弈規則和決策優選機制；機器情感和倫理屬于正在發展的技術，情感價值方面可結合時空-因果關系和感知技術實現，倫理方面需結合社會倫理價值和道德約束進行表達。

3) 應用技術層。應用技術層將基礎技術層框架、模型和算法應用于典型感知、認知、單體和群體行動中，驗證其有效性，尋找行業應用場景中較好的方法。在航天感知智能方面，針對多模目標感知、態勢感知判斷、自適應多模相對導航等應用，需研究圖像、視頻或場景認知技術，研究對象意圖預測和博弈策略技術；針對空間機器人、巡視車、智能制造等研究運動和作業規劃技術；針對無人系統博弈、協同，研究群體協同和對抗技術。

4) 行業應用層。行業應用層將相對成熟的智能技術應用于行業急需，改造已有的系統增加智能能力或者重新研發智能化的系統。

5) 指導與約束。在政策推動方面，航天企業應結合國家和行業的政策，制定符合自身發展規律的、鼓勵人工智能技術落地的相關政策，打造企業內部和外部的人工智能技術開發和應用生態，并對機器自主性發展規定約束條件。

6) 可用資源池。企業需要在人才培育、專業平臺建設，以及軟件開發平臺、公共數據積累和算法評價方面給予一定的投入。

4 重點技術研究方向

航天企業發展人工智能，側重在應用技術層和行業應用層開展工作。同時，要牽引基礎理論、基礎技術的發展。表2列出了航天宇航領域近期需要發展的人工智能相關技術。

1) 傳感與顯示。重點研發用于操控的近距雙目立體視覺傳感器、用于星表導航的中距/近距 3D傳感器，用于操控的力覺/觸覺感知傳感器，并逐步提高傳感器的精度、探測范圍、環境適應性，減少質量、尺寸和功耗。開發基于視覺“即時定位與地圖構建”技術、目標/事件/活動感知技術。牽引虛擬現實和增強現實、聲控、腦控等顯示和人機接口產品發展。

表2 航天宇航領域人工智能技術發展分解結構

2) 理論與算法。梳理適用各種應用場景的最佳算法，重點聚焦基于知識圖譜的知識表達技術、可更新知識的存儲結構、無監督主動學習方法、適用于博弈的深度強化和生成對抗學習方法、基于時空-因果鏈的價值驅動推理與行為預測、混合增強智能/群體智能、價值與倫理表達等新理論與算法。

3) 芯片與應用。牽引宇航級人工智能邊緣計算芯片發展，重點跟蹤和應用新型高性能邊緣計算 FPGA、AISC、通用智能芯片，解決設備端智能芯片的瓶頸問題。

4) 通信與網絡。以智能交互通訊協議、智能路由及傳輸網絡為硬件載體，牽引人/機之間、智能體之間、局域/廣域之間的高速、高通量網絡協議和設備發展。

5) 機器學習。圍繞自學習，聚焦多層神經網絡的自主結構優化、參數選擇及裁剪壓縮方法，推理規則的自主表示與自動獲取。重點驗證各種機器學習方法在典型應用場景中的能力與效果，推動適用算法在航天中的應用，牽引新的機器學習算法發展。

6) 機器思維。圍繞推理與決策的機器思維主題，密切關注搜索、規劃、數據挖掘、規律發現方法，不確定性推理等新算法發展，牽引人機協同-問題求解的新方法研究。

7) 機器情感與倫理。從《機器人三定律》以及《阿西洛馬人工智能23原則》等機器倫理約束出發，針對無人系統應用，牽引機器情感與倫理表達方法，以及人工智能系統中價值驅動與倫理約束機制建立方法發展。

8) 感知智能。重點研究圖像/視頻/文字感知技術、微弱信號光電目標探測技術、飛行中圖像與物理參量監測故障綜合判斷技術，結合智能算法和智能處理器，形成新一代智能傳感器和探測載荷，將傳感器從信號測量提升為信息、知識的獲取、表達。將以往基于后端、人工、滯后、局部的處理轉變為前置、自動、實時在線和全局全域處理。牽引力覺/觸覺、聲頻感知和自然語言理解與對話技術。

9) 認知智能。重點研究復雜環境目標探測與識別技術、多維融合感知技術、領域知識圖譜構建和學習拓展技術、智能搜索與自主任務規劃技術、博弈決策生成技術、基于大數據的規律與趨勢分析技術，并應用其成熟成果牽引發展。

10) 行動智能。模擬人的應急“感知-行動”反應動作，以及“感知-思維-行動”行為模式，即構建典型的“傳感器+感知信息處理模塊+認知模塊+規劃控制模塊+執行器”智能控制機制。發展快速柔順運動技術、靈巧精細操作技術，解決復雜環境下，行駛裝置的移動與安全避障、機械臂精細作業與運動規劃等問題。

11) 群體智能。以系統論、多智能體理論為基礎，開展復雜系統智能涌現方法研究，圍繞人機混合、機器協同、多智能體系協同問題，重點研發和驗證目標選擇、任務分配、任務切換、任務優化、多源異構混合智能體協同作業技術。

5 結論

人工智能技術屬于正在不斷發展的前沿技術群，由分層技術構成。航天領域推廣應用人工智能，必須在各層技術得到相對成熟發展的基礎上實現。初始階段，著重在應用技術層做好工作，驗證相關智能技術的有效性和適用性，才能確保最終產品系統的成功應用。同時，航天企業應牽引相關高等院校、科研部門和優勢企業，在基礎理論層、基礎設施層和基礎技術層發展先進的智能技術。

本文給出了智能功能結構、模擬人類的“感知、記憶、思維、學習、適應、行為驅動”模型，可以作為研究知識表達、人工智能理論和相關算法參考。此外，人工智能在航天宇航領域應用的“參考框架模型”和關鍵技術項目，可為制定發展政策、研究制訂項目規劃及相關標準提供參考。