一、前言

人工智慧(AI)/機器學習(ML)是太空產業的關鍵技術，應用於太空探索、衛星服務、太空碎片管理等領域，能夠增強數據處理、自主決策，讓執行任務的能力發揮最佳效果，常見技術如圖一所示。將AI與ML技術，再結合量子計算、先進材料等尖端技術，將能協助處理更困難的太空科技問題，因應探索太空的各種挑戰，更進一步地改變太空產業，推動太空探索與資源利用的永續發展。

然而，太空中的環境充斥著真空、電漿、原子氧(Atomic Oxygen)、輻射、太空碎片、溫度極高或極低等極端條件，使得AI技術於太空科技的應用面臨極大的障礙與挑戰，因此，需要尋求適合的元件與材料來因應這些挑戰，保護AI系統避免受損壞；另外，也需要考量衛星的質量、體積、振動、功率、散熱、記憶體儲存及運算性能，藉由先進的熱塗層材料、熱管理技術、低功耗與抗輻射元件，解決衛星的散熱問題，保護AI系統正常運作。下列將說明AI/ML在太空產業中的應用。

二、AI/ML在太空產業中的應用

(一)衛星酬載(Satellite Payload)
AI技術透過先進的數據處理與決策演算法，增強衛星的有效酬載能力。在地球觀測(Earth Observation)與太空探測(Space Surveillance)方面，AI的演算法能夠高效處理圖像數據資料，提供準確的陸地測繪資訊、氣候監測資訊。在太空碎片處理方面，AI技術可以分析衛星軌道與碎片的分佈狀況，預測碎片軌跡與衝撞風險，並提供碎片清除策略，以及協助規劃與執行衛星壽命終止(End-of-life, EOL)措施。AI技術也可以應用於衛星光學系統中的儀器校準，並依據環境條件變化，自動調整光學特性，幫助實現衛星執行任務，提高任務效率，獲得最佳成果。在太空輻射監控方面，AI技術可以提高數據處理與分析的效率、準確性，亦有助於評估輻射風險，確保太空任務的安全、順利。在衛星遙測方面，AI技術可以幫忙辨識地表特徵、分類地物類型、監測環境變化、預測氣候趨勢，應用於地球科學研究、環境監測、自然災害預警、農業管理、城市規劃等多個領域。

(二)衛星網路管理
為了讓衛星系統能夠自主地運營與管理，衛星網路管理涉及多個面向，包含網路效能、網路資源分配、故障檢測與修復。在網路效能方面，藉由AI/ML技術，驅動網路管理工具，並運用先進的演算法與數據分析方法，動態調整訊號強度、訊框同步(Frame Synchronization)、路由協定(Routing Protocol)等參數，實現網路效能的最佳化。在網路資源分配方面，由於衛星網路中的頻寬(Bandwidth)、功率、頻譜等資源有限，需要被有效利用，藉由AI技術，可依據即時網路狀況、用戶需求、訊號品質要求，動態分配網路資源，實現更高效的網路資源利用。在故障檢測與修復方面，由於衛星網路容易出現連接失效(Link Failure)、硬體故障或通訊干擾的問題，藉由AI技術，可以主動辨識網路故障並啟動糾正措施，自行恢復網路功能，最大限度地減少用戶影響。除了上述功能之外，AI系統還能即時檢測網路威脅，透過數據資料的分析，辨識危險模式，避免衛星網路遭受攻擊，維護通訊服務的安全性。

(三)衛星效能管理
衛星效能管理用於監控各種衛星次系統的狀態與性能，包含電源、通訊系統、推進系統的異常檢測情況與故障預測。AI驅動的性能監測系統，藉由ML技術即時分析遙測數據，快速辨識與糾正潛在的系統異常；並利用支持向量機(Support Vector Machine, SVM)或神經網路(Neural Network, NN)等監督學習算法，在歷史遙測數據集上進行訓練，區分系統的「正常」和「異常」狀態，及早檢測導致系統故障、異常狀況之發生；以及利用時間序列分析(Time Series Analysis)和預測建模(Predictive Modeling)技術，在系統故障發生前，提供預測性維護功能、預測未來的系統狀態。此外，也能在自主決策系統中使用強化學習演算法(Reinforcement Learning Algorithm)，讓衛星在不同的環境狀態下，能採取最佳的行動指令。

(四)姿態與軌道控制系統（Altitude and Orbital Control System, AOCS)
姿態與軌道控制系統(AOCS)對於太空飛行器的性能極為重要，其依據太空任務的複雜性、太空中操作的限制性，將方向(姿態)與軌跡(軌道)保持在所需參數內。AI技術可以提供該系統自主控制的能力、增進操作效率。星象追蹤儀(Star Tracker)用於確定衛星姿態的精確度，使用AI技術中的卷積神經網路(Convolutional Neural Network, CNN)，開發能夠快速且準確識別星圖的辨識系統。過去太空飛行器的迷失演算法，既複雜又緩慢，藉由AI/ML技術，不僅能提高運算速度，還能尋找數據模式(Data Modeling)及其相關性，減少太空迷失情況的發生。另外，藉由AI/ML技術，能依據即時遙測之動態數據來調整推力，將衛星推進系統性能達到最佳化，進而減少推進劑的使用量，延長衛星的使用壽命。此外，藉由AI/ML技術，也能依據飛行器與其他物體的相對位置，評估潛在的碰撞風險，避免執行動態任務遭受碰撞，增加飛行器運作的安全性。

(五)衛星數據處理
AI技術在衛星數據處理中發揮著重要的作用，它能夠自動化地處理、清理、分析大量數據，協助使用者從大量數據中，獲取有價值、有意義且可操作的資訊，以利後續制定相應的策略或採取有效的行動。將衛星數據應用於科學研究、環境監測、天氣預測等領域具有重要意義，為推動科學技術的發展發揮著關鍵作用。

(六)外太空(Deep Space)任務
大多數地球軌道以外的探索任務，面臨著艱難且長期的挑戰，常常出現許多無法避免的限制，像是目標飛行器與系統之間的通訊無法連接，因此，任務從規劃到執行的各個階段，都需要AI技術的協助。開發人員將AI技術用於外太空探索的自動化流程，在無需手動輸入的狀況下，各個系統能夠自動地檢測、預測、解決異常情況。目前為外太空任務的初始階段，主要集中在月球探測，後續將朝向更遠的目標，像是火星或小行星，因此，AI技術的開發需求將持續存在，以支持外太空任務之運作。

三、結語

太空產業的開發與運作成本高，限制了太空領域的發展，因此，需要持續投入資源、開發AI/ML技術，以降低先進軟硬體設備、演算法與系統升級的成本。太空產業所獲得的數據資料，涉及國家安全、知識產權、個人隱私等重要訊息，因此，需要開發強大的數據加密、防駭機制及安全存儲方案，並訂定相關數據保護法規與標準。未來，若克服上述挑戰，在太空任務中充分發揮AI/ML技術的潛力，將推動太空產業之發展。