2025 年 8 月早些时候，一场异想天开的科学实验让 ChatGPT 出乎意料地成为“宇宙飞船的副驾驶”。这不仅是一次新奇的尝试，更可能代表人工智能在航天控制领域内的首次实质突破。研究团队将 ChatGPT 部署在 Kerbal Space Program Differential Game Challenge（KSPDG）模拟竞赛中，让语言模型通过文字指令控制飞船姿态与轨道。令人惊讶的是，ChatGPT 拿下全场第二名，仅落后真正基于微分方程开发的物理模型系统。
场景转化：从太空飞船数据到文本提示
团队首先将飞船在模拟环境中的航向、速度、推进状态等状态信息转换为简洁明晰的文本描述，例如“你现在是追踪飞船，应调整推力和偏航以拦截目标”。输入 ChatGPT 后，它生成最终指令如“_apply prograde burn of 2.3 m/s for 15s”这样的文本输出。接着，由自研系统将这些文本翻译为 Kerbal 游戏内命令送入模拟器，完成动作执行。整个过程无强化学习，完全依赖 ChatGPT 数句 prompt 与指令结果反馈反馈循环。
团队还专门进行了 prompt 工程创新，解决 ChatGPT 在处理大数字时的局限——他们预先计算并加入如 prograde 向量等导航关键信息辅助输入，使生成更准确减少误操作。
模拟竞赛：高难度挑战中的 ChatGPT 表现
KSPDG 竞赛场景包括拦截目标卫星、避让敌方探测器、制定燃料经济轨道等多轮任务。ChatGPT 灵活应对情境变化：
- 在拦截任务中，模型读懂“目标与我方飞船已偏差 15 度”，立即建议调整姿态和推进强度。
- 在节能避障任务中，它提出采用“霍曼转移轨道（Hohmann transfer）”方案以最小燃料完成任务。
- 在紧急避险场景中，它能识别航道高风险时建议切换轨迹或对接方式。
尽管比赛设定只有数小时的任务周期，ChatGPT 凭借其对文本任务的深度理解和少量 prompt 即可适应多种挑战，表现远超传统语言模型在非语言任务上的表现预期。
背后意义：未来太空自主探索的启示
研究论文指出，当前全球近 8000 颗活跃卫星运行，由人类实时控制日益力不从心；火星任务与深空探测中光速延迟更让实时指令几乎不可行。结果表明，即使是非专为控制设计的 ChatGPT，也能在简化模拟环境中准确决策，这或意味着未来深空探测机器人、卫星机动系统可在遇险时快速自主响应。
OpenAI 并未设计 ChatGPT 掌握航天导航，但它通过“理解语言含义 + 少量 prompt + 翻译统一接口”，让语言系统承担起控制流任务的可能。研究者认为，若结合强化学习（RL）或专用 reward model，未来表现可能更稳定优越。
局限与风险
尽管夺得第二名令人振奋，但研究团队强调，ChatGPT 应用于现实太空还远未达标：
- 幻觉风险：语言模型偶尔会“创造”不存在的数值或程序指令，这在太空比模拟环境更加危险。
- 模拟简化：Kerbal Space Program 使用两体模型，未考虑地月引力、太阳辐射和复杂轨道扰动，无法覆盖现实复杂性。
- 数学能力弱：尽管能靠 prompt 算向量辅助，但本质上 ChatGPT 在高精度计算和数值分析上仍脆弱。
专家观点与行业反响
- 来自 MIT 与西班牙 Polytechnic 大学的研究团队指出，此类尝试展示语言模型适应新任务能力，尤其在短期内可用于试验性控制任务，但仍不建议直接用于运营任务中。
- 航天技术界人士指出，这一表现实质证明了 LLM 的通用性，并可能催生新的控制范式：少数据 prompt 驱动 + 模拟反馈循环。
- 然而，更多工程师强调：真正的航天控制系统需高可靠性、可验证逻辑、严密安全保障，尚无法完全由语言模型替代。
总结观察
ChatGPT “掌舵”虚拟飞船只是个实验，但其夺得模拟竞赛亚军的事实，意味着语言模型对高复杂任务的适应潜力正在显现——理解任务设定、转换多维数据、生成控制指令已经不再局限于文字创作。虽然它在现实航天中仍面临幻觉偏差、模拟环境简化等挑战，但其快部署、强通用性的特点，正激发 AI 自主控制系统的新想象。
未来若能融合更 robust 的数学解析模块、物理推理引擎与 RL 自主训练机制，语言大模型或将成为某些太空任务“决策助手”甚至“实时参与者”。眼下这场实验揭示了一种可能：AI 不仅能谈天说地，还能“开船”上天。