【摘要】深空探測是當今世界科技發展的前沿領域，已成為全球科技競爭的制高點。深空探測涉及眾多的學科和領域，以測繪遙感技術為代表的時空智能技術，貫穿深空探測任務前期規劃、途中導航、現場探測與后期分析的全過程，為其提供不可或缺的時空信息支撐。時空智能技術廣泛應用于“在哪里”“是什么”“怎么去”“為什么”等多方面，為工程任務實施和科學研究賦能。展望未來，深空時空智能的發展，將主要圍繞深空探測器具身智能、深空大數據智能處理與科學發現兩個大方向推進。
【關鍵詞】深空探測 人工智能 時空智能 深空時空智能
【中圖分類號】V448.2 【文獻標識碼】A
【DOI】10.16619/j.cnki.rmltxsqy.2026.02.006
【作者簡介】邸凱昌，中國科學院空天信息創新研究院研究員、博士生導師，遙感與數字地球全國重點實驗室行星遙感研究室主任，中國測繪學會深空探測遙感測繪工作委員會副主任委員兼秘書長。研究方向為行星遙感制圖與導航定位、行星科學，主要著作有《空間數據發掘與知識發現》、《月球和火星遙感制圖與探測車導航定位》（合著）等。
深空探測是人類超越地球疆界、探索宇宙奧秘的偉大征程，是當今世界科技發展的前沿領域，已成為全球科技競爭的制高點。深空探測推動人類探索宇宙起源與演化、生命起源與進化等重大科學問題，極大拓展人類對自然和自身的認知邊界；其牽引多領域技術創新，不斷催生新的尖端技術；其可以支撐地外資源的開發利用，能夠預警和防御近地小行星撞擊威脅，為人類長遠未來提供保障；其有助于提升國家綜合實力，增強民族自豪感與凝聚力，同時促進國際合作與交流。
相比于美國、蘇聯等傳統航天強國，我國的深空探測起步雖晚，但起點高、發展快。我國已順利實施了嫦娥一號至六號月球探測任務和天問一號火星探測任務，取得舉世矚目的成就：嫦娥四號實現世界首次月球背面軟著陸和巡視探測，嫦娥六號實現世界首次月球背面采樣返回，天問一號則通過一次任務實現“繞、落、巡”三大目標的工程創舉。這些深空探測重大工程任務的連續成功，標志著我國正從航天大國邁向航天強國，有力推動多項前沿技術不斷突破，也助力行星科學等基礎學科的跨越式發展。我國已將深空探測確立為長期戰略發展任務，目前正穩步推進探月工程四期嫦娥七號和八號任務、載人探月工程、天問二號小行星采樣返回等重大工程。
深空探測與地球觀測相比，面臨著諸多獨特而嚴峻的挑戰，包括極遠的距離帶來的測控通信難題、精確導航與控制的挑戰、極端環境對探測器性能的挑戰、任務周期長引發的能源保障問題等。深空探測任務是龐大的系統工程，涉及眾多的學科和領域。在這些重大任務中，行星測繪遙感技術及時提供時空信息智能服務，為圓滿完成任務發揮了關鍵支撐作用。
在當今智能化時代，測繪遙感學與人工智能深度融合，正逐步演進為時空智能學。[1]在當前與未來的工程任務和科學研究中，時空智能如何更好地賦能深空探測——服務重大任務、助力科學發現——是測繪遙感領域和深空探測領域科技人員共同關注的議題。
深空探測對人工智能和時空智能的需求
當前，人工智能技術發展迅猛，應用日益廣泛。在深空探測領域，人工智能的研究與應用方興未艾，其核心目標是提升探測器的自主能力。深空探測工程任務中人工智能技術的潛在應用場景，包括探測器自身狀態感知和管理、探測器外部環境感知和建模、任務規劃和調度、群智能體協同操作等。[2]未來深空探測任務涉及的人工智能關鍵技術主要有：智能感知與信息融合技術、智能規劃與決策控制技術、智能機器人技術、智能開采與原位制造技術、智能裝配與大規模建造技術、智能生存與健康管理技術、智能虛擬現實技術等。[3]月球科研站是我國月球探測的重要發展方向，針對未來月球科研站任務的特點和技術挑戰，需要發展的人工智能技術有：智能融合感知、智能協同控制、智能路徑規劃、智能故障檢測、智能規劃與決策、智能人機交互等。[4]近年來，美國國家航空航天局（NASA）對人工智能在深空探測中的應用開發十分重視，已經在火星車自主規劃、自主導航等方面取得成功應用。[5]
時空智能是人工智能的重要組成部分，也是其發展的關鍵方向與核心能力。以測繪遙感技術為代表的時空智能技術為任務提供不可或缺的時空信息支撐和保障，既是貫穿于深空探測任務前期規劃、途中導航、現場探測與后期分析全過程的核心技術，也是確保任務安全與科學產出的關鍵使能技術。以下我們從工程應用與科學應用兩方面，闡述深空探測對時空智能的具體需求。
在工程應用方面，著陸區選址、著陸器定位、探測目標選擇、環境感知與巡視器導航等都需要時空智能技術和產品的支撐。[6]以月球著陸探測工程的著陸區選址為例，其基本原則是工程可實現性和科學回報最大化，需要綜合評估地形地貌、通信條件、光照條件、溫度、礦物與資源分布等多維時空信息，這些信息主要是從以往月球軌道器獲取的多源遙感數據中提取和分析獲得。著陸器的安全著陸以及精確定位，也依賴于預先生成的高精度著陸區地形底圖。
巡視器在月球或行星表面巡視探測過程中，需要在一定距離外（如幾十米）識別并定位潛在探測目標（如撞擊坑、石塊、沙丘等），獲取其形狀、大小、類別、距離及沿途地形等信息，從而規劃安全行駛路徑接近探測目標。這需要利用巡視器上的視覺傳感器（立體相機）對周圍環境進行智能感知，識別可能的障礙（如大坡度、大石塊等）。[7]巡視器行駛過程中自身的定位，主要結合視覺和慣性測量單元（IMU）實施局部相對定位，并借助著陸區底圖進行全局絕對定位。巡視器的導航過程在定位與環境感知的基礎上，通過最優路徑規劃實現。
當巡視器抵達探測目標近前，將進一步開啟高分辨率科學載荷（如可見光—近紅外成像光譜儀、LIBS光譜儀），對準目標區獲取精細就位探測數據。綜上，探測任務的全流程實施，都離不開時空智能技術的全面支撐。
在科學應用方面，由于深空天體采樣返回的樣品極為有限，遙感成為行星科學研究的主要手段。軌道器、著陸器、巡視器等探測器獲取的海量影像、光譜、地形數據，為行星科學研究提供豐富的數據基礎。其中，著陸器和巡視器的部分探測數據經過實時或近實時處理直接服務于工程任務，而更多科學探測數據需要經過系統處理后，應用于行星科學研究。
在形貌、礦物、地質演化等研究中，都依賴定位產品、地形制圖產品、光譜反演產品、專題制圖產品等時空信息產品，都離不開時空智能技術的支持。以行星科學研究中的基礎性工作——地質單元定年為例，地質單元的劃分主要依據礦物組成與地形特征；而在年代確定方面，除了月球上少數采樣點可以采用同位素定年法外，月球大部分區域及火星等行星的地質單元定年主要依賴撞擊坑統計定年法。該方法需要完整地識別和精確地量測地質單元內的撞擊坑，還要排除二次坑的影響，最終基于已建立的產率函數和年代函數確定地質單元的年齡。這一過程的關鍵環節，均需時空智能技術的支持。[8]
深空時空智能的概念與特點
深空時空智能是利用深空探測器上的通導遙多種傳感器、測繪遙感技術和人工智能方法，對深空天體目標進行感知、認知，支持探測活動規劃與實施，獲取被探測天體的時空信息和知識的科學與技術。深空時空智能是時空智能學在深空探測領域的分支，深空時空智能的研究和應用實踐，也豐富了時空智能學的內涵和外延。
由于深空探測定軌定姿精度較低、缺少控制點、無全球導航衛星系統（GNSS）設施、天體表面環境荒蕪、數據獲取和傳輸受限等諸多不利條件，行星測繪遙感與地球測繪遙感相比具有特殊的困難和挑戰，這也是深空時空智能與地球觀測時空智能相比的主要特點與挑戰。
其一，深空探測軌道器的定軌定姿精度較低，是制約軌道器遙感影像定位制圖精度的主要因素，其中定軌精度的影響更大，是主導因素。以月球軌道器為例，當前其定軌精度遠低于地球衛星厘米級定軌精度，一般在百米量級至幾十米，這給米級乃至亞米級高分辨率遙感影像的大區域遙感制圖帶來嚴重挑戰。一般說來，越遠離地球的天體，其軌道器的定軌精度就越低，給定位制圖帶來的不確定性和困難就越大。
其二，深空天體表面缺少控制點，也沒有幾何或輻射定標場，難以像地球測繪遙感那樣方便地利用控制點或定標場進行在軌定標提高精度。目前，月球表面僅有5個激光角反射器由地球激光觀測臺站長期觀測獲得了精確坐標，可以作為遙感定位制圖的高精度絕對控制點，但其控制范圍很有限。美國地質調查局曾發布月球控制網ULCN2005，該控制網是由20世紀90年代克萊門汀任務獲取的4萬多幅影像進行攝影測量平差生成的，其平面精度在100米至數百米間，垂直精度在100米量級，遠不能滿足當今高分辨率月球遙感制圖定位基準的要求。
其三，深空天體表面無全球導航衛星系統設施，既無法為軌道器提供定軌支持，也無法為著陸器和巡視器提供像地球上車輛導航那樣精確的定位和導航服務。深空探測器的定位和導航更加困難，需要依賴其他技術手段如視覺導航、慣性導航等來實現。
其四，地外天體表面荒蕪，很多區域的遙感影像缺少紋理，給影像配準、目標識別、變化檢測等時空信息提取算法帶來一定的困難。月球無大氣因而影像受光照條件變化影響大，特別是極區太陽高度角很低、陰影面積大，給立體影像匹配獲取三維地形信息帶來很大挑戰。
其五，深空探測數據獲取與傳輸的受限，對時空智能技術構成顯著挑戰。由于重量、功耗以及極端的溫度與輻射等環境條件，深空探測器上搭載的傳感器的種類與性能通常不及地球上的移動平臺。同時，遙遠的距離導致數據傳輸帶寬窄、速率低，進一步加劇數據回傳與處理的困難。
其六，深空探測任務具有高風險性，對探測器及其關鍵技術在深空極端環境下的可靠性提出強制性的要求。作為其核心支撐技術，時空智能也必須在可靠性、自動化與智能化方面達到更高標準，以保障任務的安全高效實施和科學目標的實現。
深空探測中時空智能技術的進展與應用
時空智能技術在深空探測中的進展是多方面的，在服務工程任務與助力科學發現方面都有很多應用案例，可以通俗地概括為“在哪里”“是什么”“怎么去”“為什么”。
“在哪里”是探測任務和行星科學研究的基礎性問題，指的是對深空天體表面的定位與地形制圖，核心在于獲取幾何信息。其主要依托軌道器高分辨率光學影像和激光高度計數據，基于攝影測量和計算機視覺等時空智能技術，自動生成三維地形產品，從而獲得對天體表面位置、幾何形態與地形特征的認識。
在月球和火星探測任務中，軌道器光學影像的分辨率已達米級甚至亞米級，基于立體攝影測量原理制作數字高程模型（DEM）和數字正射影像圖（DOM）的技術流程已相當成熟，并形成了多分辨率的產品。以月球為例，目前軌道器遙感數據制作的全球數字正射影像圖分辨率優于10米，全月DEM分辨率達20米，這些全月產品的定位精度在幾十至幾百米之間；而在著陸區等重點區域，數字高程模型和數字正射影像圖分辨率可達米級至亞米級，定位精度幾十米至優于10米。[9]近年來，基于光度學（如明暗恢復形狀）的單幅軌道器影像像素級三維地形重建也取得重要進展，成為缺少高分辨率立體影像區域地形制圖的主要手段，深度學習進一步推動該方向的技術進步。然而，月球極區光照復雜、陰影顯著，攝影測量與光度學方法仍面臨重建困難，相關技術有待進一步突破。
在深空探測任務中，巡視器影像被廣泛應用于行駛路線沿途各站點的小區域制圖，提供高分辨率地形地貌信息，為行駛規劃、探測任務部署及目標科學研究提供關鍵支撐。目前，基于攝影測量和計算機視覺的三維地形制圖方法技術已較為成熟，成為巡視器制圖和環境感知的基本方法。例如，利用玉兔號、玉兔二號月球車和祝融號火星車立體圖像，自動生成站點附近厘米級分辨率數字高程模型和數字正射影像圖，業務化應用于工程任務。近年來，相關技術持續進步，如立體視覺算法的并行優化、多光照條件下立體圖像的增強制圖方法，以及攝影測量與光度法融合的高精度制圖等方面。深度學習也被引入巡視器高精度制圖研究中，展現出提升重建精細度的潛力，有待進一步驗證與實際應用。基于巡視器厘米級分辨率制圖成果，進行地形分析和障礙識別，如自動識別大坡度區域、顯著凸起（如石塊）和凹陷（如撞擊坑），成為支撐巡視器路徑規劃的關鍵環節，并實現了業務化應用。[10]
“是什么”指的是對深空天體表面礦物成分的反演和形貌特征的提取與識別，核心在于獲取礦物組成和語義信息。通過軌道器、巡視器等平臺獲取的可見光影像、多光譜、高光譜、微波等數據，進行礦物類別識別、礦物豐度定量反演、形貌特征提取與識別、專題制圖等，從而獲得對天體表面的物理性質和地質構造特征的認識。
在礦物反演方面，軌道器多光譜／高光譜遙感數據定量反演研究已取得顯著進展。以月球為例，利用軌道器可見—近紅外波段遙感數據，已實現對輝石、長石、橄欖石等主要造巖礦物豐度，以及鈦鐵含量（TiO2和FeO）的全球或大區域反演，產品分辨率達幾十米至幾百米；而借助月球車就位探測光譜數據，進一步實現著陸區礦物的高精度反演。
近十幾年來，隨著機器學習和深度學習等人工智能技術的發展，深空天體表面形貌特征的智能提取與識別得到了廣泛的關注和大量研究，對于支撐工程任務和助力科學發現都有成功應用。比如，月球和火星撞擊坑的自動提取研究廣泛開展；月球皺脊、月溪等線狀構造，以及火星沙丘、橫向風成脊、暗條紋等風成地貌，河谷網、沖溝等水成地貌的提取與識別也取得較多進展。總體來看，形貌特征的自動提取和識別大幅減少人工判讀工作量，但其結果仍需人工檢查與修正，其在智能化程度、完整性、精度方面有待進一步提升。
在深空探測工程任務中，軌道器遙感制圖所生成的地形、礦物反演和專題制圖產品，對于科學目標制定、著陸區選址、著陸點定位，以及巡視探測中的區域障礙識別與路徑規劃等發揮不可替代的支撐作用。在行星科學研究中，軌道器遙感制圖提供形貌特征、地質構造、礦物分布等基礎信息，在行星地質演化、撞擊坑統計定年、樣品溯源等研究中發揮重要作用。
以深空探測著陸區選址為例，時空智能技術及其產品為選址提供全面的關鍵信息支撐。如前文所述，著陸區選址需要兼顧科學價值和工程可行性，是工程約束與科學需求相互迭代的過程，所依賴的共性基礎信息主要包括地形特征，撞擊坑與石塊等典型地貌的分布，以及礦物豐度等。具體而言，地形粗糙度與坡度分析，能夠為安全著陸提供支撐信息，并為光照、通信等分析提供基礎數據；撞擊坑、石塊等地貌要素的密度與分布特征，為評估工程安全性提供參考，其區域統計結果也可為地質年齡推斷和演化歷史研究提供線索；礦物豐度數據則為科學目標優選與后續就位探測、資源利用潛力評估提供重要參考。在我國的月球和火星探測著陸區選址實踐中[11]，上述時空信息產品得到充分應用，保障選址的科學性與工程可行性。
“怎么去”指的是深空探測器定位導航。從精準地飛抵目標天體，到在預選著陸區實現安全著陸，再到巡視器在天體表面環境中快速感知、定位、避障、規劃并持續移動至新的探測點，這一系列任務均高度依賴時空智能技術的支持。
我國的嫦娥三號任務首次成功實現了基于機器視覺的地外天體軟著陸自主避障。該過程分成粗避障和精避障兩個階段：粗避障階段通過可見光相機檢測大范圍障礙，精避障階段借助懸停激光掃描對月面進行精確的三維障礙檢測，最大限度地保證著陸安全。[12]該著陸自主避障技術在我國后續著陸探測任務中持續應用，是時空智能賦能深空探測的成功范例。
著陸后的快速高精度定位對后續巡視探測或采樣返回任務至關重要。通常，無線電追蹤提供初始定位信息，而視覺定位則通過降落相機序列圖像與高精度著陸區底圖配準，提供更高精度的著陸器位置信息。嫦娥三號、四號、五號任務中，視覺定位采用人機交互方式實現；而嫦娥六號任務中，通過基于軌道器底圖的降落相機仿真圖像與實際降落圖像的匹配，實現著陸器在軌道器底圖上的自動定位。[13]以著陸器的精確位置作原點建立的著陸器制圖坐標系，為表面巡視探測提供局部坐標基準。
巡視器探測過程中，精準定位是巡視器進行路徑規劃與安全導航執行探測任務的前提。目前月球和火星探測巡視器的定位以車輪里程計與慣性測量單元（IMU）結合的航跡推算法進行實時定位。然而，隨著行駛距離增加，車輪打滑與慣性測量單元漂移會導致航跡推算法定位誤差迅速累積，在復雜地形中定位誤差可達行駛距離的10%。為減少誤差，兩類視覺定位方法得到業務化應用：基于相鄰站點立體影像匹配的站間視覺定位，以及基于立體序列影像的視覺測程定位。前者一般在地球控制中心離線運行，適用于全路徑；后者在線實施，因計算代價較高，多用于接近目標等短距離行駛。[14]僅利用巡視器圖像的視覺定位方法的典型精度優于行駛距離的4%，但絕對定位仍存在累積誤差。通過將巡視器圖像與軌道器底圖匹配，可有效消除誤差累計，提升全局定位精度，該方法已在月球和火星巡視探測工程任務中得到應用，一般是在地球控制中心選取有顯著特征（如撞擊坑、大石塊等）的站點實施。[15]
路徑規劃是保障巡視器安全行駛與高效探測的關鍵環節，根據范圍可分為兩類：一是面向遠距離目標的全局路徑規劃，依賴先驗地圖實現整體路徑最優與科學目標可達；二是基于巡視器感知的局部路徑規劃，重點在于規避障礙、探索局部目標，并兼顧行駛安全與效率。長期以來，巡視器路徑規劃主要依賴地面控制中心交互完成，雖然安全性高，但受限于數據回傳延遲，規劃的自動化程度與效率不高。近年來，美國國家航空航天局噴氣推進實驗室（NASA JPL）研發的“自主探索科學增益系統”（AEGIS）在火星任務中取得突破，該系統基于導航相機影像，通過目標檢測、特征提取與優先級評估等時空智能技術，自動識別并評估周圍石塊等目標的科學價值，實現了火星車探測目標的自動選取，顯著提升了探測效率。[16]
“為什么”是指通過時空綜合分析，揭示深空探測區域或目標的形成與演化機制，推動科學認知與發現。這需要綜合利用多源遙感與就位探測數據，在幾何與物理信息基礎上，結合地質分析、數值模擬等手段，開展多學科交叉研究，尤其依賴于以行星測繪遙感為代表的深空時空智能技術與行星地質學、比較行星學等學科的深度融合。
在形貌特征自動提取的基礎上，時空智能技術進一步支持行星表面特征的時空分布分析和變化檢測，助力新科學認識的產生。例如，通過多時相火星遙感圖像的自動配準和變化檢測，識別火星表面新撞擊坑、沖溝、暗坡條紋、塵卷風痕跡和冰蓋變化等多種表面變化，揭示火星現代地表過程。對火星雅丹和橫向風成脊空間分布和定年，則揭示其時空分布演化特征和古風場信息，對于理解火星風沙環境演變具有重要意義。層狀濺射物撞擊坑是火星表面一類特殊撞擊坑，其形成通常與地下水冰密切相關；基于遙感影像的形貌參數提取與定年分析，結合撞擊挖掘深度和濺射物厚度模型，研究分析了火星北半球六大平原地下水冰層的深度和分布特征，發現層狀濺射物撞擊坑分布具有明顯的地域和緯度相關性；據估算，這些平原地下水冰層總儲量相當于大約24～110米全球等效水層，其中烏托邦和阿卡迪亞平原的地下水冰資源尤為豐富，具有孕育和保存生命的潛力，可作為未來就位資源利用和生命探測的重點區域。[17]
在月球和行星科學研究中，確定重要地質單元和重大地質事件的年齡至關重要。目前僅月球上有限采樣點具備精確同位素年齡，為將有限的樣品年齡拓展至月球全球乃至火星等其他天體，歐美科學家于20世紀80年代建立撞擊坑統計定年方法。基于嫦娥五號月球樣品的同位素年齡和著陸區遙感圖像撞擊坑統計結果，中國研究團隊在目前常用月球年代函數的基礎上構建新的年代函數模型[18]，為月球和行星科學研究提供了更精確的“時間標尺”，這是遙感制圖與樣品研究相結合的一個典型案例。
嫦娥四號實現了人類探測器首次月背軟著陸。時空智能技術不僅支撐了著陸區地形制圖、著陸點定位、巡視器環境感知與導航定位等工程環節，還通過數字高程模型量測分析和撞擊坑挖掘濺射數值模擬，重建著陸區馮·卡門（Von Kármán）撞擊坑的地形演化過程，揭示巡視器就位探測的物質主要來自位于東北部的芬森（Finsen）撞擊坑的濺射物，以及來自月球深部。[19]基于嫦娥四號月球車就位光譜數據，研究不僅解析著陸區礦物組成，還首次研究月背太空風化效應和月壤成熟度，發現主要源于芬森撞擊坑濺射物的月壤發育成熟度較高，月壤的形成速度較快（3.1米／十億年），對理解月球空間環境與月壤演化過程具有重要科學價值。[20]
深空時空智能發展展望
深空探測器具身智能。深空探測必然要向智能化方向發展，其核心是發展探測器具身智能，即探測器物理實體具備智能感知與認知、自主決策與執行的能力，能夠與物理世界交互，完成“感知—決策—行動—反饋”閉環運行，這是解決極遠距離、通信長時延、極端環境等挑戰，實現深空探測器自主探測的必然要求。無論是軌道器、著陸器、巡視器等傳統探測器，還是火星無人機、月球飛躍器等新型探測平臺，器上實時智能處理都是提高其探測功效的關鍵。比如，當前巡視器運行模式仍以遙操作為主、自主探測為輔，未來需逐步發展為以自主探測為主、遙操作為輔的自學習、自成長的具身智能體。這一轉變，既需要以深度學習、強化學習為代表的人工智能技術與以行星測繪遙感為代表的時空信息技術的深度融合，也有賴于巡視器自身硬件能力的全面提升，包括各類傳感器的性能優化和機械行駛能力的增強。深空探測器具身智能的發展，將顯著提升探測器的探測能力，以巡視器為例，具身智能將使巡視器的自主性大大提高，對地球控制中心的依賴大幅減少，從而大幅度提高巡視探測效率，探測任務的行駛里程有望從當前幾年任務累計幾公里至幾十公里，跨越至單次任務即可實現幾百甚至上千公里，從而獲取更豐富的科學數據。巡視器具身智能在預設智能程序的基礎上，通過與探測環境的交互持續地、自主地學習，此類巡視器在一個區域長時間的探測后自己變得更聰明、更適應所探測環境，唯有具備這一特性的巡視器能夠真正稱為智能巡視器。
深空大數據智能處理與科學發現。目前持續增長的海量深空探測遙感影像數據，特別是軌道器遙感大數據，已經遠超傳統人機交互處理的能力范圍，大量的數據獲取后僅被存檔而無法得到及時處理分析，嚴重制約利用探測數據進行科學研究的產出，因此亟須發展智能化深空大數據處理方法技術與科學發現能力。與探測器具身智能相比，這類能力是一種“離身”智能。深空大數據智能處理，是深空時空智能技術重要研究方向，需要將當前的行星攝影測量和行星遙感理論方法與云計算、大數據、人工智能等前沿技術深度融合，實現自動化大區域高精度地形圖制圖、智能化行星形貌構造識別、智能化行星表面礦物反演等共性關鍵技術的突破，構建多種多樣的軟件智能體，從而自動化、智能化地將深空探測數據轉換為時空信息產品，獲得廣泛的科學應用和工程應用。在此基礎上，建立行星科學多模態大模型，推動數據密集型科學研究范式在深空探測領域的發展，助力甚至自動化行星科學發現，將是深空時空智能未來發展的重要方向。
深空探測基礎設施的建設對深空時空智能的促進。深空時空智能要取得更大發展，為深空探測任務及時提供高精度、高可靠的時空信息智能服務，離不開深空探測基礎設施的持續建設與完善。其中，深空探測器測控精度的提高、深空通信能力的增強、高精度深空基準的建立與維持，將推動時空智能技術向更高精度、更快速度、更智能的方向發展。深空測控網的建設和測控精度的提高，對于確保探測器的精確導航和定位至關重要。高速率遠距離通信技術——如中繼星通信技術和激光通信的發展，將有效提升地面遙操作與器上自主操作之間的協同效率，加快科學探測數據的下傳、分析和決策。高精度深空時空基準的建立，將為高精度深空定位、導航和制圖服務提供關鍵技術支撐。比如，在月球表面布設更多可被地球觀測的激光角反射器，將顯著提高月球坐標框架精度；若能在月球空間建立衛星導航定位星座，則將極大推動軌道器定軌精度與月球車定位導航能力的進步。
注釋
[1]李德仁等：《論無所不在的時空智能》，《遙感學報》，2025年第6期。
[2]葉培建等：《深空探測人工智能技術應用及發展建議》，《深空探測學報》，2019年第4期。
[3]于登云等：《深空探測人工智能技術研究與展望》，《深空探測學報》，2020年第1期。
[4]張哲等：《月球科研站人工智能技術研究》，《深空探測學報》，2022年第6期。
[5]NASA, "NASA's AI Use Cases: Advancing Space Exploration with Responsibility," 7 January 2025, https://www.nasa.gov/organizations/ocio/dt/ai/2024-ai-use-cases/#hds-sidebar-nav-3.
[6][7][10][14]邸凱昌等：《深空探測車環境感知與導航定位技術進展與展望》，《測繪學報》，2021年第11期。
[8][18]Z. Yue et al., "Updated Lunar Cratering Chronology Model with the Radiometric Age of Chang'e-5 Samples," Nature Astronomy, 2022(6).
[9]邸凱昌等：《月球探測中遙感制圖的幾何精度問題》，《遙感學報》，2025年第6期。
[11]張熇等：《月球南極探測著陸工程選址建議》，《深空探測學報》，2020年第3期；饒煒等：《月球南極探測著陸區選址方法》，《深空探測學報》，2022年第6期；牛冉等：《載人月球探測科學目標及著陸區選址建議》，《宇航學報》，2023年第9期；B. Wu et al., "Landing Site Selection and Characterization of Tianwen-1 (Zhurong Rover) on Mars," JGR Planets, 2022(127)；張弘等：《嫦娥六號采樣區選擇與分析》，《中國科學：技術科學》，2025年第7期。
[12]張洪華等：《嫦娥三號自主避障軟著陸控制技術》，《中國科學：技術科學》，2014年第6期。
[13]劉召芹等：《嫦娥六號著陸點高精度視覺定位》，《遙感學報》，2024年第1期。
[15]W. Wan et al., "Visual Localization and Topographic Mapping for Zhurong Rover in Tianwen-1 Mars Mission," IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2025(18).
[16]R. Francis et al., "AEGIS Autonomous Targeting for ChemCam on Mars Science Laboratory: Deployment and Results of Initial Science Team Use," Science Robotics, 2017(7).
[17]S. Gou et al., "Subsurface Stratigraphy Suggested by the Layered Ejecta Craters in the Martian Morthern Planitiae," Icarus, 2024.
[19]K. Di et al., "Topographic Evolution of Von Kármán Crater Revealed by the Lunar Rover Yutu-2," Geophysical Research Letters, 2019(46).
[20]S. Gou et al., "In Situ Spectral Measurements of Space Weathering by Chang'e-4 Rover," Earth and Planetary Science Letters, 2020(535).
責 編∕韓 拓 美 編∕周群英
Empowering Effects and Frontier Prospects of Spatio-Temporal Intelligent Technologies in Deep Space Exploration
Di Kaichang
Abstract: Deep space exploration is a cutting-edge field in the current global advancement of science and technology and has become a commanding height in the world's technological competition. It involves numerous disciplines and fields, among which spatio-temporal intelligence technologies, represented by geomatics and remote sensing, serve as core technologies throughout the entire process of deep space exploration missions - from early planning, on-the-way navigation, and on-site exploration to post-mission analysis, providing indispensable spatio-temporal information support at every stage. Currently, spatio-temporal intelligence technologies are widely applied in critical aspects such as "where", "what", "how" and "why", empowering both engineering tasks and scientific research. Looking ahead, the development of deep space spatio-temporal intelligence will advance along two major directions: embodied intelligence of deep space probes, and intelligent processing of deep space big data for scientific discovery.
Keywords: deep space exploration, artificial intelligence, spatio-temporal intelligence, deep space spatio-temporal intelligence
