一种新的人工智能模型能够追踪卫星并识别其行为偏差，从而降低轨道碰撞风险。该研究发表在27年2026月出版的《Expert Systems》期刊上。
该成果是在AI4 Space Safety and Sustainability项目框架内、由UK Space Agency支持下完成的。参与该联盟的机构来自FVEY国家：澳大利亚、加拿大、新西兰、英国和美国。
该项目由斯特拉斯克莱德大学Aerospace Centre of Excellence主任马西米利亚诺·瓦西莱教授领导。参与方包括Alan Turing Institute、亚利桑那大学、MIT、滑铁卢大学，以及GMV、Columbiad、LMO和Zendir等公司。
该模型由Alan Turing Institute的Defence AI Research Centre（DARe）创建，首次实现了根据卫星反射的光——即所谓的光变曲线——来预测卫星异常和运动。
轨道一年比一年拥挤：2025年发射了超过4000颗新卫星，而2000年仅为159颗。这一自动化工具有助于应对太空交通的监测与管理。
该模型利用望远镜收集的大量卫星亮度数据进行训练，随后又用来自斯特拉斯克莱德大学和GMV的模拟数据进行了微调。它能够实时分析天文台数据，并标记出异常以供专家进一步研究。
测试显示，其识别异常光变曲线的准确率达到88%。该系统还能区分卫星的旋转和翻滚等行为——这对于在轨服务及延长航天器寿命至关重要。
光数据、雷达及其他来源数据的结合，究竟将如何在未来几年改变卫星防护的思路？
瓦西莱教授指出，借助AI4S3，人们得以展示人工智能如何仅凭天空中一个像素的信息，就能帮助分析航天物体的行为。该项目接下来的步骤包括整合多模态数据——雷达、高光谱测量和轨道信息。
