人工智能（AI）正被引入火箭制造环节。欧洲航天局（ESA）表示，其未来发射器预备计划（FLPP）正在研究利用机器学习等技术优化制造流程，并探索可用于未来火箭或航天器的新型材料形状。
FLPP目前与德国MT Aerospace合作，重点评估如何将跨行业的材料加工方法调整并应用于航天制造。
喷丸成形：用机器学习提升成形精度
在喷丸成形工艺中，小球以高速撞击金属表面，使金属发生弯曲并形成目标形状。由于该过程不需要加热，成形后的金属能够保持强度，并提升抗金属疲劳能力。MT Aerospace正在使用喷丸成形为阿丽亚娜6号火箭燃料箱制造圆顶头部。
不过，喷丸成形中每一次撞击都存在不确定性。FLPP引入机器学习用于预测金属后续变形趋势，以更快、更精确地控制成形过程，使成形公差达到2毫米。
摩擦搅拌焊：焊缝自动评估缩短分析时间
在零部件完成制造后，通常需要与其他组件连接。航天工业中，摩擦搅拌焊正逐步替代传统由人工或机器人执行的电弧焊。该工艺通过高速旋转的销钉在焊接区域产生摩擦热并搅拌材料，实现更精确的金属融合，用于制造更坚固的结构，例如阿丽亚娜6号燃料箱。
欧洲航天局介绍，随着焊接力、温度及其他设备遥测数据的数字化监测能力提升，机器学习已被用于更快完成设备参数设置、支持文档工作，并对最终焊缝形状进行自动检查。与传统方式相比，焊缝自动评估将分析时间缩短了95%。
自动纤维铺设：实时识别缺陷以保持生产连续性
除金属材料外，碳纤维增强塑料也被视为实现更轻、更坚固结构的路径。Phoebus项目正在探索为阿丽亚娜6号采用碳纤维燃料箱的可能性。
MT Aerospace正在整合新型激光传感器，并结合机器学习模型，实现对缺陷的实时检测与分类，以保持生产连续性并显著缩短生产周期。
欧洲航天局未来发射器预备计划中负责软件及数字化活动的项目经理Daniel Chipping表示，机器学习等人工智能技术与新型数字技术的结合，正在改变发射器制造方式，包括自动化复杂分析任务、减少繁琐的设备启停等，并开始在多种材料与成形工艺中体现效果。
欧洲航天局称，上述项目均属于FLPP框架。该计划旨在为未来空间运输系统开发所需技术，通过构思、设计并投资尚未成熟的技术路径，以降低未经验证航天项目在开发阶段面临的风险。
