谷歌云10月27日披露，Google Public Sector正与NASA团队开发一套面向未来深空任务的机器人概念验证系统。它不是已经部署在月球或火星的机器，也不是能够独立作医疗决策的“机器人医生”。目前展示的是在实验室里识别并搬运医疗包等任务的早期测试，目标是让未来宇航员在通信延迟和人手有限的环境下，获得一名可以执行物理动作的助手。谷歌公布的初始基线成功率为85%，这个数字有研究价值，但和载人航天任务所要求的可靠性之间仍有很长距离。

谷歌云文章指出，若未来载人火星任务面临最长可达44分钟的往返通信延迟，地面专家无法像近地轨道任务那样即时指导每一步。谷歌此前与NASA讨论的Crew Medical Officer Digital Assistant主要是临床决策支持；此次新增的是能够移动物品的实体系统。参与者包括NASA人体研究计划、约翰逊航天中心机器人团队、喷气推进实验室与Google Public Sector。谷歌描述的任务有整理工具、处理舱内物流，在特定情境下把超声设备送到宇航员旁边。真正分析图像并决定治疗方案的仍然是人类医务成员，机器人承担的是物理协助，而不是医学责任。

从仿真练习到封闭舱内操作

深空机器人与普通仓库自动化不同。仓库可以划出人机隔离区，路线和货架较固定；航天器内部空间紧凑、物品位置会变化，任何碰撞都可能影响设备或人员。谷歌披露，团队利用Google DeepMind的MuJoCo物理引擎训练和测试复杂动作，并在约翰逊航天中心的iMETRO设施进行概念验证。喷气推进实验室还把原用于轨道目标追踪的态势感知经验应用到三维环境理解。这样的组合说明困难不止在语言理解，而在传感、定位、抓取、避障和动作后结果确认的连续链条。

被测试的具体任务是寻找并搬运医疗包。谷歌称，采用“眼到手”的相机配置增强空间感知后，基于Physical Intelligence开放的Pi0模型取得了早期实验室环境下85%的初始成功率。这个表述至少有三层限制：一是特定任务，不代表任意指令；二是实验室环境，不代表微重力、辐射或长期飞行；三是基线成绩，仍要经过训练和安全改进。假如连续执行十次关键操作，每次成功率都只是85%，即使彼此独立，十次全部成功的概率也会明显低于单次成功率。实际系统还可能有相关错误，不能用这个简单计算做工程承诺，但它提醒人们不要把演示成功等同于任务级可靠。

视觉—语言—动作模型把文字指令连接到实体动作，令宇航员有可能用普通语言安排机器人处理非固定任务。不过，在高风险环境中，自然语言同样可能含糊。一个“把设备拿过来”的指令，需要进一步明确是哪台设备、从何处取、能否移动、经过谁的工作区，以及抓取失败时如何停止。实际部署必须有明确的人类监督、动作限制和错误恢复。谷歌的表述也是未来目标：让机器人在宇航员直接指挥下执行多种任务。它并未称现有系统已经获得飞行资格，也未给出可用于载人任务的安全认证时间表。

算力可以上云训练，执行必须适应边缘环境

深空系统不能持续依赖地球数据中心。谷歌披露使用Google Cloud G4实例训练基础模型，把40亿参数的Pi0模型微调到目标任务用时约2.5小时；微调后的模型随后在紧凑、低功耗边缘设备上运行。团队过去两年测试了约15种边缘计算设备，以寻找适合未来任务的性能与能耗平衡。这里应区分云端训练与飞行时推理：前者可借用大型基础设施迭代模型，后者必须在本地、受限功耗和可能断联的条件下稳定执行。把模型压到设备上只是一个里程碑，耐久性、故障隔离和验证流程仍是另一个工程领域。

这个项目还揭示了AI落地的一条现实路径：先从边界清楚的辅助动作切入，再逐步扩大任务集合。搬运医疗包比自主诊断容易定义验收条件，却依然需要处理人机共处与任务失败。对于商业机器人领域，谷歌和NASA的合作提供了一个严苛样本，说明仿真、云端训练和边缘部署怎样结合；但航天场景的特殊成本也意味着不能直接推算普通企业市场规模。对于太空探索，核心问题则是机器人能否减少宇航员在后勤上的时间和风险，而不会引入新的不可控故障。后续更值得关注的不是宣传片里的动作，而是公开的多任务测试、极端环境验证、人类接管机制，以及NASA是否把这套概念验证推进到实际飞行试验。

这项测试还有一个容易被标题遮住的边界：地面实验室里完成任务，并不等于机器人已经具备在月球、火星或深空独立工作的能力。真正部署还要面对辐射、灰尘、供电、维护、失联和任务中断等条件，且每一项都可能改变模型在实验环境中的表现。公开资料目前提供的是特定任务与测试设置下的结果，不是跨环境的通用成功率。后续若要比较进展，应看同一任务在更接近实际空间环境的条件下能否复现、人工干预次数是否下降，以及失败后是否能够安全停机。把这些问题摆在成绩旁边，才能看清技术离任务现场还有多远。