NASA星载人工智能研究（OnAIR）平台介绍：专访Evana Gizzi
在第三十七届人工智能创新应用年度会议（IAAI 2025）上，星载人工智能研究（OnAIR）平台作为成功应用案例亮相。该开源软件管道和认知架构工具专为支持太空研究与任务而设计。
平台核心特性
OnAIR是基于Python编写的开源平台，采用插件化架构，支持一键下载。该平台使研究人员能够完成星载智能系统AI研究的全生命周期管理，已成功应用于多项地球与太空任务。其设计目标是通过简化AI与太空系统的集成流程，降低技术门槛，适应太空产业日益增长的技术需求。
航天领域AI应用的特殊挑战
航天领域与其他应用领域的主要差异在于其高度敏感性和准入门槛。太空任务在材料、人力、流程和发射方面成本高昂，且空间技术通常滞后于地面技术。原因包括：
- 太空计算机需进行辐射加固处理，影响尺寸、重量和功耗，导致计算能力受限
- 通信链路存在带宽、延迟和距离限制，深空环境中无法实现实时数据传输
- 多数太空系统不使用Python等现代高级语言，增加了AI应用的学习成本
技术优势与应用场景
OnAIR平台具有三大核心设计原则：
- 通用性：不局限于太空领域或特定任务
- 易用性：降低使用门槛
- 实用性：确保软件工程师可快速部署
该平台支持与卫星星载软件、无人机、机器人、地面站数据及原始数据文件的集成。在研究层面，通过插件架构支持原始数据、模拟器、物理代理和飞行软件的协同工作，已应用于雪水文学、太阳物理学乃至系外行星生命探测等多个领域。
实际部署案例
2025年将开展智能可扩展任务架构的飞行演示，与NASA约翰逊航天中心及艾姆斯研究中心合作，将OnAIR部署于卫星平台，实现：
- 基于星跟踪器数据的异常检测
- 利用专用机器学习算法识别异常时，自动向地面传输关键数据
- 硬件测试环境与飞行软件代码在1.5个月内完成交付
未来发展方向
平台将重点优化现有功能而非增加新特性，包括：
- 实现插件多线程并行处理
- 增加在线示例教程
- 维持快速原型开发的核心定位，避免过度通用化或专门化
该系统已成功应用于土壤污染物检测、卫星遥测异常诊断等场景，其价值在于打通人工智能与航天研究社区的技术壁垒，推动自主能力在太空领域的实际应用。
系统架构图显示OnAIR与外部环境的交互方式