火箭回收不用强化学习，那它靠什么“算”出着陆点？

2026年7月10日，长征十号乙运载火箭的一子级在我国首次海上垂直可控回收试验中取得成功，尤其引人注目的是其采用的“网系捕获”技术。这一进展引发了关于可回收火箭控制算法的热议：这类精准着陆的火箭，其飞行控制究竟是依赖强化学习这类人工智能方法，还是沿用了经典的控制理论？

结论是明确的：目前所有投入实际飞行的回收火箭，无论是SpaceX的猎鹰9号、星舰，还是长征十号乙，其核心控制算法均以传统控制论与数学优化方法为主导。强化学习在航天领域的实际应用仍处于前沿研究阶段，尚未进入商业或国家队的工程实践。这一选择并非出于技术保守，而是由航天工程对可靠性的极致要求所决定的。

强化学习的基本逻辑类似于通过大量试错来训练一个决策模型，在虚拟环境中经历数百万次失败后，逐渐形成一套处理复杂状况的“经验”网络。这种方法在游戏博弈或图像识别领域表现优异，但在航天控制中面临一个根本性障碍——神经网络是一个缺乏严格数学证明的“黑箱”。即便一个模型在99.99%的模拟测试中表现完美，当它遭遇训练数据中从未出现过的极端风切变或传感器噪声时，仍有可能做出无法预料的错误响应。而一枚大型运载火箭造价数亿，一旦失控便意味着毁灭性的失败。航天工程师必须确保在发射前，飞行器在所有可能的边界条件下都具有明确的稳定性裕度，而强化学习当前无法提供这种形式的绝对数学承诺。

那么，不依赖AI，仅靠经典的比例-积分-微分（PID）控制是否足以完成火箭的垂直回收？答案也是否定的。PID控制基于当前时刻的误差做出调整，具有天然的“短视”特性，难以应对火箭下降过程中燃料消耗导致的质心剧烈变化、高空风扰动等强时变、多耦合的复杂动态。现代回收火箭真正的技术支柱，是一门名为“凸优化”的数学分支。

凸优化的核心魅力在于其数学上的确定性。火箭在回落过程中，箭载计算机需要实时求解一个包含大量约束条件的路径规划问题：发动机推力必须保持在物理范围内，箭体姿态角不能超过结构承受极限，燃料消耗需最小化，同时必须确保最终落点精确到米级。若采用一般的非线性规划方法，这类问题的计算量大到足以使机载处理器过载。而通过巧妙的数学变换，工程师将这一复杂问题转化为凸优化形式——在数学上，凸优化问题具有唯一的最优解，且求解效率极高。箭载计算机因而能在数毫秒之内，根据当前的速度、位置和姿态，重新计算出一条完全满足所有约束的最优下降轨迹。

在实际飞行中，火箭的控制并非依赖单一算法，而是一个分层协作的体系。最上层由凸优化算法负责全局路径规划，以较低的频率更新，决定接下来数秒内的最优飞行策略；中间层采用模型预测控制（MPC），它不仅能反馈当前状态，还能预测未来一段时域内的响应，从而对突发扰动（如瞬时阵风）进行预判性补偿；最底层则使用经典的PID或状态空间控制，以极高的频率直接驱动伺服机构，确保发动机喷管或栅格舵的偏转角度精确执行上层指令。这种分层架构既保证了控制的实时性，又通过数学上可验证的稳定性分析，覆盖了所有可能出现的飞行工况。

由此可以理解，火箭的自主降落并非依赖人工智能通过“摸索”积累经验，而是依靠一群精密的数学公式，在急速下降的每一毫秒内不断解算出最优路径。这种基于传统控制理论与凸优化的方法，其根本优势在于确定性和可验证性——飞行器每一步的响应都在人类物理模型的精确掌控之内，而这正是航天工程追求万无一失的最高准则。