美国 - 艾赫巴里通讯社
AI引领火星导航：NASA“毅力号”火星车借助Anthropic的Claude规划路线
火星广阔而荒凉的土地，以其险恶的地形和不可预测的挑战，长期以来一直要求机器人探索进行细致的人工规划。然而，太空机器人领域出现了一个重要的范式转变，NASA的喷气推进实验室（JPL）已成功部署Anthropic的Claude机器学习模型，为“毅力号”火星车绘制了一条复杂的导航路径。这项开创性举措代表着一次实质性的飞跃，展示了生成式AI在关键地外任务中的实际应用，并为未来的自主空间探索奠定了先例。
在先进AI能力的卓越展示中，“毅力号”火星车最近于2025年12月在火星表面行驶了约400米，遵循了由Claude精心规划的路线。这一成就不仅仅是一项技术壮举，更是JPL工程师们的一项战略性授权，他们认识到AI在简化费力且耗时的路线规划过程中的潜力。火星地貌布满了尖锐的岩石、深邃的沙纹和陡峭的斜坡等危险，对火星车构成了巨大的挑战，正如2009年“勇气号”火星车不幸卡在沙中，从而 фактически结束了其任务所悲剧性地例证的那样。
另请阅读
传统上，规划火星车的旅程涉及一个密集的过程，即查阅高分辨率的轨道和地表图像，以识别安全通道并建立一系列航点。这些数据一旦绘制完成，便通过平均2.25亿公里（1.4亿英里）的距离传输到火星，由“毅力号”接收作为导航蓝图。鉴于巨大的通信延迟，从地球使用操纵杆实时驾驶火星车根本不可行。虽然“毅力号”配备了AutoNav系统，可以处理实时避障和微小的路线调整，但最初的预规划仍然是一项关键且要求严苛的任务。
认识到这一瓶颈，JPL研究人员转向Anthropic的Claude，利用其先进的视觉能力。Claude的任务是分析来自NASA火星侦察轨道器上HiRISE相机的高分辨率轨道图像，以及从数字高程模型中提取的详细地形坡度数据。通过这项分析，AI模型能够识别关键地形特征——包括基岩构造、危险的巨石场和 deceptive 沙纹——随后生成一条连续、优化的路径，并配有精确的航点。至关重要的是，Claude将这些导航指令翻译成火星车标记语言（RML），这是一种基于XML的格式，可由火星车系统直接执行。
尽管Claude在这一专业环境中的能力令人印象深刻，Anthropic承认Claude的面向公众版本最初缺乏RML知识，这突显了通用AI与使用专有数据为特定复杂任务训练的模型之间的区别。然而，拥有NASA庞大数据集访问权限的内部版本，则完美地履行了其职责。这次成功的部署强调了专业AI训练和数据访问在利基科学应用中的强大作用。
然而，AI的集成并不能削弱人类监督不可或缺的作用。JPL工程师仔细审查了Claude生成的计划。他们利用一个复制火星车虚拟环境的复杂模拟器，仔细检查了超过50万个与火星车预计位置和潜在危险相关的遥测变量。这种严格的验证过程只导致了微小的调整。例如，地面相机图像（Claude尚未处理）提供了对狭窄通道中沙纹更清晰的洞察，促使工程师为更高的精度而优化路线。这种协作方法，即AI提供高效的初稿，人类专家运用其细致的理解和经验，体现了在高风险任务中负责任的AI实施。
结果是压倒性的积极。Anthropic报告称，JPL工程师发现Claude的计划仅需要最小程度的修改。随后，修改后的计划被传输到火星，“毅力号”于火星日（sols）1707和1709（对应于2025年12月8日和12月10日）成功执行了计划的路径。尽管NASA的图像证实了AI规划路线与实际路线之间存在细微偏差——这归因于火星车的AutoNav系统进行实时微调——但整体成功验证了AI的有效性。
相关新闻
这次演示预示着空间探索的新时代。NASA局长贾里德·艾萨克曼强调了更广泛的影响，他表示：“这次演示展示了我们的能力发展到何种程度，并拓宽了我们探索其他世界的方式。像这样的自主技术可以帮助任务更有效地运行，应对复杂地形，并随着与地球距离的增加而提高科学回报。这是团队在实际操作中谨慎负责地应用新技术的有力例证。” Anthropic进一步指出，JPL工程师估计Claude可以将路线规划所需的时间缩短一半，尽管并未披露具体的量化时间缩减指标。这种效率提升，即使没有精确的数字，也代表着未来任务的巨大优势，使科学家和工程师能够将更多资源投入到分析和发现中，而不是准备性后勤。随着视觉-语言-行动模型不断发展，它们在提高太阳系机器人任务自主性和成功方面的作用将大幅扩展。
