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