将大规模预训练模型技术与航天任务深度融合,通过多模态数据融合与动态知识图谱构建，部署面向航天领域的专属AI大模型。结合AI智能体的场景化学习与推理能力，为用户提供航天领域精准的问答、数据分析及任务协作支持。

随着深空探测、在轨服务、太空制造等任务的快速发展，传统空间机器人（如机械臂、巡视器）在复杂环境适应性、自主性、多功能性等方面面临挑战。新型空间机器人设计旨在通过创新构型、智能驱动、仿生技术、跨域协同等手段，突破现有技术瓶颈，满足未来航天任务的高精度、高可靠、强自主需求。

通过人机交互或自主控制，在通信延迟大、环境不确定条件下，实现空间机器人（如机械臂等）的高精度、高可靠性远程操作。

通过多机器人/多传感器通过信息融合，构建对环境或目标的统一认知，并利用光学手段实现位姿估计、三维重建等精准几何感知，支撑在轨装配等精确操作。

通过在卫星等太空节点部署边缘计算能力，结合算力编排、算力聚合和通信一体化技术，实现太空数据的实时处理与高效利用。

通过强化学习与自主协同技术，优化升级多传感器遥感星群，使大规模卫星、飞行器及其他空间节点形成智能群体，在轨自主决策、协同作业，实现高效、弹性的空间任务执行，解决天基自主发现、确认、跟踪等问题。该方向聚焦多智能体协同感知、分布式决策、动态组网等关键技术，推动卫星系统从“单星独立运行”向“群体自主协作”转变，提升复杂环境下的任务适应能力。

通过跨学科技术融合，突破传统卫星在功能、形态、部署与运行模式上的限制，开展超低轨、超小型、模块化等新概念卫星研究，推动构建更智能、更弹性、更高效的空间系统形态。