【摘要】深空探测是当今世界科技发展的前沿领域，已成为全球科技竞争的制高点。深空探测涉及众多的学科和领域，以测绘遥感技术为代表的时空智能技术，贯穿深空探测任务前期规划、途中导航、现场探测与后期分析的全过程，为其提供不可或缺的时空信息支撑。时空智能技术广泛应用于“在哪里”“是什么”“怎么去”“为什么”等多方面，为工程任务实施和科学研究赋能。展望未来，深空时空智能的发展，将主要围绕深空探测器具身智能、深空大数据智能处理与科学发现两个大方向推进。
【关键词】深空探测 人工智能 时空智能 深空时空智能
【中图分类号】V448.2 【文献标识码】A
【DOI】10.16619/j.cnki.rmltxsqy.2026.02.006
【作者简介】邸凯昌，中国科学院空天信息创新研究院研究员、博士生导师，遥感与数字地球全国重点实验室行星遥感研究室主任，中国测绘学会深空探测遥感测绘工作委员会副主任委员兼秘书长。研究方向为行星遥感制图与导航定位、行星科学，主要著作有《空间数据发掘与知识发现》、《月球和火星遥感制图与探测车导航定位》（合著）等。
深空探测是人类超越地球疆界、探索宇宙奥秘的伟大征程，是当今世界科技发展的前沿领域，已成为全球科技竞争的制高点。深空探测推动人类探索宇宙起源与演化、生命起源与进化等重大科学问题，极大拓展人类对自然和自身的认知边界；其牵引多领域技术创新，不断催生新的尖端技术；其可以支撑地外资源的开发利用，能够预警和防御近地小行星撞击威胁，为人类长远未来提供保障；其有助于提升国家综合实力，增强民族自豪感与凝聚力，同时促进国际合作与交流。
相比于美国、苏联等传统航天强国，我国的深空探测起步虽晚，但起点高、发展快。我国已顺利实施了嫦娥一号至六号月球探测任务和天问一号火星探测任务，取得举世瞩目的成就：嫦娥四号实现世界首次月球背面软着陆和巡视探测，嫦娥六号实现世界首次月球背面采样返回，天问一号则通过一次任务实现“绕、落、巡”三大目标的工程创举。这些深空探测重大工程任务的连续成功，标志着我国正从航天大国迈向航天强国，有力推动多项前沿技术不断突破，也助力行星科学等基础学科的跨越式发展。我国已将深空探测确立为长期战略发展任务，目前正稳步推进探月工程四期嫦娥七号和八号任务、载人探月工程、天问二号小行星采样返回等重大工程。
深空探测与地球观测相比，面临着诸多独特而严峻的挑战，包括极远的距离带来的测控通信难题、精确导航与控制的挑战、极端环境对探测器性能的挑战、任务周期长引发的能源保障问题等。深空探测任务是庞大的系统工程，涉及众多的学科和领域。在这些重大任务中，行星测绘遥感技术及时提供时空信息智能服务，为圆满完成任务发挥了关键支撑作用。
在当今智能化时代，测绘遥感学与人工智能深度融合，正逐步演进为时空智能学。[1]在当前与未来的工程任务和科学研究中，时空智能如何更好地赋能深空探测——服务重大任务、助力科学发现——是测绘遥感领域和深空探测领域科技人员共同关注的议题。
深空探测对人工智能和时空智能的需求
当前，人工智能技术发展迅猛，应用日益广泛。在深空探测领域，人工智能的研究与应用方兴未艾，其核心目标是提升探测器的自主能力。深空探测工程任务中人工智能技术的潜在应用场景，包括探测器自身状态感知和管理、探测器外部环境感知和建模、任务规划和调度、群智能体协同操作等。[2]未来深空探测任务涉及的人工智能关键技术主要有：智能感知与信息融合技术、智能规划与决策控制技术、智能机器人技术、智能开采与原位制造技术、智能装配与大规模建造技术、智能生存与健康管理技术、智能虚拟现实技术等。[3]月球科研站是我国月球探测的重要发展方向，针对未来月球科研站任务的特点和技术挑战，需要发展的人工智能技术有：智能融合感知、智能协同控制、智能路径规划、智能故障检测、智能规划与决策、智能人机交互等。[4]近年来，美国国家航空航天局（NASA）对人工智能在深空探测中的应用开发十分重视，已经在火星车自主规划、自主导航等方面取得成功应用。[5]
时空智能是人工智能的重要组成部分，也是其发展的关键方向与核心能力。以测绘遥感技术为代表的时空智能技术为任务提供不可或缺的时空信息支撑和保障，既是贯穿于深空探测任务前期规划、途中导航、现场探测与后期分析全过程的核心技术，也是确保任务安全与科学产出的关键使能技术。以下我们从工程应用与科学应用两方面，阐述深空探测对时空智能的具体需求。
在工程应用方面，着陆区选址、着陆器定位、探测目标选择、环境感知与巡视器导航等都需要时空智能技术和产品的支撑。[6]以月球着陆探测工程的着陆区选址为例，其基本原则是工程可实现性和科学回报最大化，需要综合评估地形地貌、通信条件、光照条件、温度、矿物与资源分布等多维时空信息，这些信息主要是从以往月球轨道器获取的多源遥感数据中提取和分析获得。着陆器的安全着陆以及精确定位，也依赖于预先生成的高精度着陆区地形底图。
巡视器在月球或行星表面巡视探测过程中，需要在一定距离外（如几十米）识别并定位潜在探测目标（如撞击坑、石块、沙丘等），获取其形状、大小、类别、距离及沿途地形等信息，从而规划安全行驶路径接近探测目标。这需要利用巡视器上的视觉传感器（立体相机）对周围环境进行智能感知，识别可能的障碍（如大坡度、大石块等）。[7]巡视器行驶过程中自身的定位，主要结合视觉和惯性测量单元（IMU）实施局部相对定位，并借助着陆区底图进行全局绝对定位。巡视器的导航过程在定位与环境感知的基础上，通过最优路径规划实现。
当巡视器抵达探测目标近前，将进一步开启高分辨率科学载荷（如可见光—近红外成像光谱仪、LIBS光谱仪），对准目标区获取精细就位探测数据。综上，探测任务的全流程实施，都离不开时空智能技术的全面支撑。
在科学应用方面，由于深空天体采样返回的样品极为有限，遥感成为行星科学研究的主要手段。轨道器、着陆器、巡视器等探测器获取的海量影像、光谱、地形数据，为行星科学研究提供丰富的数据基础。其中，着陆器和巡视器的部分探测数据经过实时或近实时处理直接服务于工程任务，而更多科学探测数据需要经过系统处理后，应用于行星科学研究。
在形貌、矿物、地质演化等研究中，都依赖定位产品、地形制图产品、光谱反演产品、专题制图产品等时空信息产品，都离不开时空智能技术的支持。以行星科学研究中的基础性工作——地质单元定年为例，地质单元的划分主要依据矿物组成与地形特征；而在年代确定方面，除了月球上少数采样点可以采用同位素定年法外，月球大部分区域及火星等行星的地质单元定年主要依赖撞击坑统计定年法。该方法需要完整地识别和精确地量测地质单元内的撞击坑，还要排除二次坑的影响，最终基于已建立的产率函数和年代函数确定地质单元的年龄。这一过程的关键环节，均需时空智能技术的支持。[8]
深空时空智能的概念与特点
深空时空智能是利用深空探测器上的通导遥多种传感器、测绘遥感技术和人工智能方法，对深空天体目标进行感知、认知，支持探测活动规划与实施，获取被探测天体的时空信息和知识的科学与技术。深空时空智能是时空智能学在深空探测领域的分支，深空时空智能的研究和应用实践，也丰富了时空智能学的内涵和外延。
由于深空探测定轨定姿精度较低、缺少控制点、无全球导航卫星系统（GNSS）设施、天体表面环境荒芜、数据获取和传输受限等诸多不利条件，行星测绘遥感与地球测绘遥感相比具有特殊的困难和挑战，这也是深空时空智能与地球观测时空智能相比的主要特点与挑战。
其一，深空探测轨道器的定轨定姿精度较低，是制约轨道器遥感影像定位制图精度的主要因素，其中定轨精度的影响更大，是主导因素。以月球轨道器为例，当前其定轨精度远低于地球卫星厘米级定轨精度，一般在百米量级至几十米，这给米级乃至亚米级高分辨率遥感影像的大区域遥感制图带来严重挑战。一般说来，越远离地球的天体，其轨道器的定轨精度就越低，给定位制图带来的不确定性和困难就越大。
其二，深空天体表面缺少控制点，也没有几何或辐射定标场，难以像地球测绘遥感那样方便地利用控制点或定标场进行在轨定标提高精度。目前，月球表面仅有5个激光角反射器由地球激光观测台站长期观测获得了精确坐标，可以作为遥感定位制图的高精度绝对控制点，但其控制范围很有限。美国地质调查局曾发布月球控制网ULCN2005，该控制网是由20世纪90年代克莱门汀任务获取的4万多幅影像进行摄影测量平差生成的，其平面精度在100米至数百米间，垂直精度在100米量级，远不能满足当今高分辨率月球遥感制图定位基准的要求。
其三，深空天体表面无全球导航卫星系统设施，既无法为轨道器提供定轨支持，也无法为着陆器和巡视器提供像地球上车辆导航那样精确的定位和导航服务。深空探测器的定位和导航更加困难，需要依赖其他技术手段如视觉导航、惯性导航等来实现。
其四，地外天体表面荒芜，很多区域的遥感影像缺少纹理，给影像配准、目标识别、变化检测等时空信息提取算法带来一定的困难。月球无大气因而影像受光照条件变化影响大，特别是极区太阳高度角很低、阴影面积大，给立体影像匹配获取三维地形信息带来很大挑战。
其五，深空探测数据获取与传输的受限，对时空智能技术构成显著挑战。由于重量、功耗以及极端的温度与辐射等环境条件，深空探测器上搭载的传感器的种类与性能通常不及地球上的移动平台。同时，遥远的距离导致数据传输带宽窄、速率低，进一步加剧数据回传与处理的困难。
其六，深空探测任务具有高风险性，对探测器及其关键技术在深空极端环境下的可靠性提出强制性的要求。作为其核心支撑技术，时空智能也必须在可靠性、自动化与智能化方面达到更高标准，以保障任务的安全高效实施和科学目标的实现。
深空探测中时空智能技术的进展与应用
时空智能技术在深空探测中的进展是多方面的，在服务工程任务与助力科学发现方面都有很多应用案例，可以通俗地概括为“在哪里”“是什么”“怎么去”“为什么”。
“在哪里”是探测任务和行星科学研究的基础性问题，指的是对深空天体表面的定位与地形制图，核心在于获取几何信息。其主要依托轨道器高分辨率光学影像和激光高度计数据，基于摄影测量和计算机视觉等时空智能技术，自动生成三维地形产品，从而获得对天体表面位置、几何形态与地形特征的认识。
在月球和火星探测任务中，轨道器光学影像的分辨率已达米级甚至亚米级，基于立体摄影测量原理制作数字高程模型（DEM）和数字正射影像图（DOM）的技术流程已相当成熟，并形成了多分辨率的产品。以月球为例，目前轨道器遥感数据制作的全球数字正射影像图分辨率优于10米，全月DEM分辨率达20米，这些全月产品的定位精度在几十至几百米之间；而在着陆区等重点区域，数字高程模型和数字正射影像图分辨率可达米级至亚米级，定位精度几十米至优于10米。[9]近年来，基于光度学（如明暗恢复形状）的单幅轨道器影像像素级三维地形重建也取得重要进展，成为缺少高分辨率立体影像区域地形制图的主要手段，深度学习进一步推动该方向的技术进步。然而，月球极区光照复杂、阴影显著，摄影测量与光度学方法仍面临重建困难，相关技术有待进一步突破。
在深空探测任务中，巡视器影像被广泛应用于行驶路线沿途各站点的小区域制图，提供高分辨率地形地貌信息，为行驶规划、探测任务部署及目标科学研究提供关键支撑。目前，基于摄影测量和计算机视觉的三维地形制图方法技术已较为成熟，成为巡视器制图和环境感知的基本方法。例如，利用玉兔号、玉兔二号月球车和祝融号火星车立体图像，自动生成站点附近厘米级分辨率数字高程模型和数字正射影像图，业务化应用于工程任务。近年来，相关技术持续进步，如立体视觉算法的并行优化、多光照条件下立体图像的增强制图方法，以及摄影测量与光度法融合的高精度制图等方面。深度学习也被引入巡视器高精度制图研究中，展现出提升重建精细度的潜力，有待进一步验证与实际应用。基于巡视器厘米级分辨率制图成果，进行地形分析和障碍识别，如自动识别大坡度区域、显著凸起（如石块）和凹陷（如撞击坑），成为支撑巡视器路径规划的关键环节，并实现了业务化应用。[10]
“是什么”指的是对深空天体表面矿物成分的反演和形貌特征的提取与识别，核心在于获取矿物组成和语义信息。通过轨道器、巡视器等平台获取的可见光影像、多光谱、高光谱、微波等数据，进行矿物类别识别、矿物丰度定量反演、形貌特征提取与识别、专题制图等，从而获得对天体表面的物理性质和地质构造特征的认识。
在矿物反演方面，轨道器多光谱／高光谱遥感数据定量反演研究已取得显著进展。以月球为例，利用轨道器可见—近红外波段遥感数据，已实现对辉石、长石、橄榄石等主要造岩矿物丰度，以及钛铁含量（TiO2和FeO）的全球或大区域反演，产品分辨率达几十米至几百米；而借助月球车就位探测光谱数据，进一步实现着陆区矿物的高精度反演。
近十几年来，随着机器学习和深度学习等人工智能技术的发展，深空天体表面形貌特征的智能提取与识别得到了广泛的关注和大量研究，对于支撑工程任务和助力科学发现都有成功应用。比如，月球和火星撞击坑的自动提取研究广泛开展；月球皱脊、月溪等线状构造，以及火星沙丘、横向风成脊、暗条纹等风成地貌，河谷网、冲沟等水成地貌的提取与识别也取得较多进展。总体来看，形貌特征的自动提取和识别大幅减少人工判读工作量，但其结果仍需人工检查与修正，其在智能化程度、完整性、精度方面有待进一步提升。
在深空探测工程任务中，轨道器遥感制图所生成的地形、矿物反演和专题制图产品，对于科学目标制定、着陆区选址、着陆点定位，以及巡视探测中的区域障碍识别与路径规划等发挥不可替代的支撑作用。在行星科学研究中，轨道器遥感制图提供形貌特征、地质构造、矿物分布等基础信息，在行星地质演化、撞击坑统计定年、样品溯源等研究中发挥重要作用。
以深空探测着陆区选址为例，时空智能技术及其产品为选址提供全面的关键信息支撑。如前文所述，着陆区选址需要兼顾科学价值和工程可行性，是工程约束与科学需求相互迭代的过程，所依赖的共性基础信息主要包括地形特征，撞击坑与石块等典型地貌的分布，以及矿物丰度等。具体而言，地形粗糙度与坡度分析，能够为安全着陆提供支撑信息，并为光照、通信等分析提供基础数据；撞击坑、石块等地貌要素的密度与分布特征，为评估工程安全性提供参考，其区域统计结果也可为地质年龄推断和演化历史研究提供线索；矿物丰度数据则为科学目标优选与后续就位探测、资源利用潜力评估提供重要参考。在我国的月球和火星探测着陆区选址实践中[11]，上述时空信息产品得到充分应用，保障选址的科学性与工程可行性。
“怎么去”指的是深空探测器定位导航。从精准地飞抵目标天体，到在预选着陆区实现安全着陆，再到巡视器在天体表面环境中快速感知、定位、避障、规划并持续移动至新的探测点，这一系列任务均高度依赖时空智能技术的支持。
我国的嫦娥三号任务首次成功实现了基于机器视觉的地外天体软着陆自主避障。该过程分成粗避障和精避障两个阶段：粗避障阶段通过可见光相机检测大范围障碍，精避障阶段借助悬停激光扫描对月面进行精确的三维障碍检测，最大限度地保证着陆安全。[12]该着陆自主避障技术在我国后续着陆探测任务中持续应用，是时空智能赋能深空探测的成功范例。
着陆后的快速高精度定位对后续巡视探测或采样返回任务至关重要。通常，无线电追踪提供初始定位信息，而视觉定位则通过降落相机序列图像与高精度着陆区底图配准，提供更高精度的着陆器位置信息。嫦娥三号、四号、五号任务中，视觉定位采用人机交互方式实现；而嫦娥六号任务中，通过基于轨道器底图的降落相机仿真图像与实际降落图像的匹配，实现着陆器在轨道器底图上的自动定位。[13]以着陆器的精确位置作原点建立的着陆器制图坐标系，为表面巡视探测提供局部坐标基准。
巡视器探测过程中，精准定位是巡视器进行路径规划与安全导航执行探测任务的前提。目前月球和火星探测巡视器的定位以车轮里程计与惯性测量单元（IMU）结合的航迹推算法进行实时定位。然而，随着行驶距离增加，车轮打滑与惯性测量单元漂移会导致航迹推算法定位误差迅速累积，在复杂地形中定位误差可达行驶距离的10%。为减少误差，两类视觉定位方法得到业务化应用：基于相邻站点立体影像匹配的站间视觉定位，以及基于立体序列影像的视觉测程定位。前者一般在地球控制中心离线运行，适用于全路径；后者在线实施，因计算代价较高，多用于接近目标等短距离行驶。[14]仅利用巡视器图像的视觉定位方法的典型精度优于行驶距离的4%，但绝对定位仍存在累积误差。通过将巡视器图像与轨道器底图匹配，可有效消除误差累计，提升全局定位精度，该方法已在月球和火星巡视探测工程任务中得到应用，一般是在地球控制中心选取有显著特征（如撞击坑、大石块等）的站点实施。[15]
路径规划是保障巡视器安全行驶与高效探测的关键环节，根据范围可分为两类：一是面向远距离目标的全局路径规划，依赖先验地图实现整体路径最优与科学目标可达；二是基于巡视器感知的局部路径规划，重点在于规避障碍、探索局部目标，并兼顾行驶安全与效率。长期以来，巡视器路径规划主要依赖地面控制中心交互完成，虽然安全性高，但受限于数据回传延迟，规划的自动化程度与效率不高。近年来，美国国家航空航天局喷气推进实验室（NASA JPL）研发的“自主探索科学增益系统”（AEGIS）在火星任务中取得突破，该系统基于导航相机影像，通过目标检测、特征提取与优先级评估等时空智能技术，自动识别并评估周围石块等目标的科学价值，实现了火星车探测目标的自动选取，显著提升了探测效率。[16]
“为什么”是指通过时空综合分析，揭示深空探测区域或目标的形成与演化机制，推动科学认知与发现。这需要综合利用多源遥感与就位探测数据，在几何与物理信息基础上，结合地质分析、数值模拟等手段，开展多学科交叉研究，尤其依赖于以行星测绘遥感为代表的深空时空智能技术与行星地质学、比较行星学等学科的深度融合。
在形貌特征自动提取的基础上，时空智能技术进一步支持行星表面特征的时空分布分析和变化检测，助力新科学认识的产生。例如，通过多时相火星遥感图像的自动配准和变化检测，识别火星表面新撞击坑、冲沟、暗坡条纹、尘卷风痕迹和冰盖变化等多种表面变化，揭示火星现代地表过程。对火星雅丹和横向风成脊空间分布和定年，则揭示其时空分布演化特征和古风场信息，对于理解火星风沙环境演变具有重要意义。层状溅射物撞击坑是火星表面一类特殊撞击坑，其形成通常与地下水冰密切相关；基于遥感影像的形貌参数提取与定年分析，结合撞击挖掘深度和溅射物厚度模型，研究分析了火星北半球六大平原地下水冰层的深度和分布特征，发现层状溅射物撞击坑分布具有明显的地域和纬度相关性；据估算，这些平原地下水冰层总储量相当于大约24～110米全球等效水层，其中乌托邦和阿卡迪亚平原的地下水冰资源尤为丰富，具有孕育和保存生命的潜力，可作为未来就位资源利用和生命探测的重点区域。[17]
在月球和行星科学研究中，确定重要地质单元和重大地质事件的年龄至关重要。目前仅月球上有限采样点具备精确同位素年龄，为将有限的样品年龄拓展至月球全球乃至火星等其他天体，欧美科学家于20世纪80年代建立撞击坑统计定年方法。基于嫦娥五号月球样品的同位素年龄和着陆区遥感图像撞击坑统计结果，中国研究团队在目前常用月球年代函数的基础上构建新的年代函数模型[18]，为月球和行星科学研究提供了更精确的“时间标尺”，这是遥感制图与样品研究相结合的一个典型案例。
嫦娥四号实现了人类探测器首次月背软着陆。时空智能技术不仅支撑了着陆区地形制图、着陆点定位、巡视器环境感知与导航定位等工程环节，还通过数字高程模型量测分析和撞击坑挖掘溅射数值模拟，重建着陆区冯·卡门（Von Kármán）撞击坑的地形演化过程，揭示巡视器就位探测的物质主要来自位于东北部的芬森（Finsen）撞击坑的溅射物，以及来自月球深部。[19]基于嫦娥四号月球车就位光谱数据，研究不仅解析着陆区矿物组成，还首次研究月背太空风化效应和月壤成熟度，发现主要源于芬森撞击坑溅射物的月壤发育成熟度较高，月壤的形成速度较快（3.1米／十亿年），对理解月球空间环境与月壤演化过程具有重要科学价值。[20]
深空时空智能发展展望
深空探测器具身智能。深空探测必然要向智能化方向发展，其核心是发展探测器具身智能，即探测器物理实体具备智能感知与认知、自主决策与执行的能力，能够与物理世界交互，完成“感知—决策—行动—反馈”闭环运行，这是解决极远距离、通信长时延、极端环境等挑战，实现深空探测器自主探测的必然要求。无论是轨道器、着陆器、巡视器等传统探测器，还是火星无人机、月球飞跃器等新型探测平台，器上实时智能处理都是提高其探测功效的关键。比如，当前巡视器运行模式仍以遥操作为主、自主探测为辅，未来需逐步发展为以自主探测为主、遥操作为辅的自学习、自成长的具身智能体。这一转变，既需要以深度学习、强化学习为代表的人工智能技术与以行星测绘遥感为代表的时空信息技术的深度融合，也有赖于巡视器自身硬件能力的全面提升，包括各类传感器的性能优化和机械行驶能力的增强。深空探测器具身智能的发展，将显著提升探测器的探测能力，以巡视器为例，具身智能将使巡视器的自主性大大提高，对地球控制中心的依赖大幅减少，从而大幅度提高巡视探测效率，探测任务的行驶里程有望从当前几年任务累计几公里至几十公里，跨越至单次任务即可实现几百甚至上千公里，从而获取更丰富的科学数据。巡视器具身智能在预设智能程序的基础上，通过与探测环境的交互持续地、自主地学习，此类巡视器在一个区域长时间的探测后自己变得更聪明、更适应所探测环境，唯有具备这一特性的巡视器能够真正称为智能巡视器。
深空大数据智能处理与科学发现。目前持续增长的海量深空探测遥感影像数据，特别是轨道器遥感大数据，已经远超传统人机交互处理的能力范围，大量的数据获取后仅被存档而无法得到及时处理分析，严重制约利用探测数据进行科学研究的产出，因此亟须发展智能化深空大数据处理方法技术与科学发现能力。与探测器具身智能相比，这类能力是一种“离身”智能。深空大数据智能处理，是深空时空智能技术重要研究方向，需要将当前的行星摄影测量和行星遥感理论方法与云计算、大数据、人工智能等前沿技术深度融合，实现自动化大区域高精度地形图制图、智能化行星形貌构造识别、智能化行星表面矿物反演等共性关键技术的突破，构建多种多样的软件智能体，从而自动化、智能化地将深空探测数据转换为时空信息产品，获得广泛的科学应用和工程应用。在此基础上，建立行星科学多模态大模型，推动数据密集型科学研究范式在深空探测领域的发展，助力甚至自动化行星科学发现，将是深空时空智能未来发展的重要方向。
深空探测基础设施的建设对深空时空智能的促进。深空时空智能要取得更大发展，为深空探测任务及时提供高精度、高可靠的时空信息智能服务，离不开深空探测基础设施的持续建设与完善。其中，深空探测器测控精度的提高、深空通信能力的增强、高精度深空基准的建立与维持，将推动时空智能技术向更高精度、更快速度、更智能的方向发展。深空测控网的建设和测控精度的提高，对于确保探测器的精确导航和定位至关重要。高速率远距离通信技术——如中继星通信技术和激光通信的发展，将有效提升地面遥操作与器上自主操作之间的协同效率，加快科学探测数据的下传、分析和决策。高精度深空时空基准的建立，将为高精度深空定位、导航和制图服务提供关键技术支撑。比如，在月球表面布设更多可被地球观测的激光角反射器，将显著提高月球坐标框架精度；若能在月球空间建立卫星导航定位星座，则将极大推动轨道器定轨精度与月球车定位导航能力的进步。
注释
[1]李德仁等：《论无所不在的时空智能》，《遥感学报》，2025年第6期。
[2]叶培建等：《深空探测人工智能技术应用及发展建议》，《深空探测学报》，2019年第4期。
[3]于登云等：《深空探测人工智能技术研究与展望》，《深空探测学报》，2020年第1期。
[4]张哲等：《月球科研站人工智能技术研究》，《深空探测学报》，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]邸凯昌等：《深空探测车环境感知与导航定位技术进展与展望》，《测绘学报》，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]邸凯昌等：《月球探测中遥感制图的几何精度问题》，《遥感学报》，2025年第6期。
[11]张熇等：《月球南极探测着陆工程选址建议》，《深空探测学报》，2020年第3期；饶炜等：《月球南极探测着陆区选址方法》，《深空探测学报》，2022年第6期；牛冉等：《载人月球探测科学目标及着陆区选址建议》，《宇航学报》，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)；张弘等：《嫦娥六号采样区选择与分析》，《中国科学：技术科学》，2025年第7期。
[12]张洪华等：《嫦娥三号自主避障软着陆控制技术》，《中国科学：技术科学》，2014年第6期。
[13]刘召芹等：《嫦娥六号着陆点高精度视觉定位》，《遥感学报》，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).
责 编∕韩 拓 美 编∕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
