KI als Pionier der Marsnavigation: NASAs Perseverance Rover plant Route mit Anthropic's Claude

Vereinigte Staaten - Ekhbary Nachrichtenagentur

KI als Pionier der Marsnavigation: NASAs Perseverance Rover plant Route mit Anthropic's Claude

Die weite, desolate Weite des Mars mit seinem tückischen Gelände und unvorhersehbaren Herausforderungen hat lange Zeit eine akribische menschliche Planung für die Robotererkundung erfordert. Doch in der Weltraumrobotik hat sich ein signifikanter Paradigmenwechsel vollzogen, da NASAs Jet Propulsion Laboratory (JPL) erfolgreich Anthropic's Claude-Maschinenlernmodell eingesetzt hat, um einen komplexen Navigationspfad für den Perseverance-Rover zu kartieren. Diese bahnbrechende Initiative stellt einen substanziellen Fortschritt dar, demonstriert die praktische Anwendung generativer KI in kritischen außerirdischen Missionen und schafft einen Präzedenzfall für zukünftige autonome Weltraumvorhaben.

In einer bemerkenswerten Demonstration fortschrittlicher KI-Fähigkeiten legte der Perseverance-Rover im Dezember 2025 etwa 400 Meter auf der Marsoberfläche zurück, einem von Claude sorgfältig geplanten Weg folgend. Diese Leistung war nicht nur ein technisches Meisterwerk, sondern eine strategische Delegation der JPL-Ingenieure, die das Potenzial der KI erkannten, den mühsamen und zeitaufwendigen Prozess der Routenplanung zu rationalisieren. Die Marslandschaft, gespickt mit Gefahren wie scharfen Felsen, tiefen Sandrillen und steilen Hängen, stellt Rover vor immense Herausforderungen, wie das tragische Beispiel des Spirit-Rovers zeigte, der 2009 im Sand stecken blieb und seine Mission de facto beendete.

Traditionell beinhaltet die Planung einer Rover-Reise einen intensiven Prozess der Konsultation hochauflösender Orbital- und Oberflächenbilder, um sichere Passagen zu identifizieren und eine Reihe von Wegpunkten festzulegen. Diese Daten werden, sobald sie geplottet sind, über eine durchschnittliche Entfernung von 225 Millionen Kilometern (140 Millionen Meilen) zum Mars übertragen, wo Perseverance sie als Navigationsplan empfängt. Angesichts der immensen Kommunikationsverzögerungen ist ein Live-Fahren des Rovers mit einem Joystick von der Erde einfach nicht machbar. Während Perseverance mit einem AutoNav-System ausgestattet ist, das Hindernisvermeidung in Echtzeit und kleinere Routenanpassungen handhabt, bleibt die anfängliche Vorplanung eine kritische und anspruchsvolle Aufgabe.

Dieses Problem erkennend, wandten sich JPL-Forscher an Anthropic's Claude und nutzten dessen hochentwickelte Sehfähigkeiten. Claude wurde beauftragt, hochauflösende Orbitalbilder der HiRISE-Kamera an Bord des NASA Mars Reconnaissance Orbiters sowie detaillierte Geländeneigungsdaten aus digitalen Höhenmodellen zu analysieren. Durch diese Analyse konnte das KI-Modell kritische Geländemerkmale – darunter Felsformationen, gefährliche Geröllfelder und trügerische Sandrillen – identifizieren und anschließend einen kontinuierlichen, optimierten Pfad mit präzisen Wegpunkten generieren. Entscheidend ist, dass Claude diese Navigationsanweisungen in die Rover Markup Language (RML) übersetzte, ein XML-basiertes Format, das direkt von den Systemen des Rovers ausgeführt werden kann.

Trotz Claudes beeindruckender Fähigkeiten in dieser spezialisierten Umgebung räumte Anthropic ein, dass die öffentlich zugängliche Version von Claude ursprünglich keine Kenntnisse von RML besaß, was den Unterschied zwischen allgemeiner KI und Modellen hervorhebt, die für spezifische, komplexe Aufgaben mit proprietären Daten trainiert wurden. Die interne Version hingegen, mit Zugang zu NASAs umfangreichen Datensätzen, erfüllte ihre Funktion fehlerfrei. Dieser erfolgreiche Einsatz unterstreicht die Leistungsfähigkeit spezialisierter KI-Trainings und des Datenzugangs in Nischenanwendungen der Wissenschaft.

Die Integration von KI mindert jedoch nicht die unverzichtbare Rolle menschlicher Aufsicht. JPL-Ingenieure überprüften Claudes generierte Pläne akribisch. Mithilfe eines ausgeklügelten Simulators, der die virtuelle Umgebung des Rovers nachbildet, analysierten sie über 500.000 Telemetrie-Variablen bezüglich der projizierten Position des Rovers und potenzieller Gefahren. Dieser strenge Validierungsprozess führte nur zu geringfügigen Anpassungen. Zum Beispiel lieferten Bodenkameraaufnahmen, die Claude nicht verarbeitet hatte, klarere Einblicke in Sandrillen in einem engen Korridor, was die Ingenieure dazu veranlasste, die Route für größere Präzision zu verfeinern. Dieser kollaborative Ansatz, bei dem KI einen effizienten ersten Entwurf liefert und menschliche Experten ihr nuanciertes Verständnis und ihre Erfahrung anwenden, ist ein Beispiel für die verantwortungsvolle KI-Implementierung in risikoreichen Missionen.

Das Ergebnis war überwältigend positiv. Anthropic berichtete, dass die JPL-Ingenieure feststellten, dass Claudes Pläne nur minimale Änderungen erforderten. Die verfeinerten Pläne wurden dann zum Mars übermittelt, und Perseverance führte den geplanten Pfad an den Marstagen (Sols) 1707 und 1709, entsprechend dem 8. und 10. Dezember 2025, erfolgreich aus. Während NASAs Bilder leichte Abweichungen zwischen den von der KI geplanten und den tatsächlichen Routen bestätigen – zurückzuführen auf das AutoNav-System des Rovers, das Echtzeit-Mikroanpassungen vornimmt – bestätigte der Gesamterfolg die Wirksamkeit der KI.

Diese Demonstration läutet eine neue Ära der Weltraumforschung ein. NASA-Administrator Jared Isaacman betonte die weitreichenden Implikationen und erklärte: „Diese Demonstration zeigt, wie weit unsere Fähigkeiten fortgeschritten sind und erweitert, wie wir andere Welten erforschen werden. Autonome Technologien wie diese können Missionen helfen, effizienter zu arbeiten, auf schwieriges Gelände zu reagieren und den wissenschaftlichen Ertrag zu steigern, wenn die Entfernung zur Erde zunimmt. Es ist ein starkes Beispiel dafür, wie Teams neue Technologien in realen Operationen sorgfältig und verantwortungsbewusst einsetzen.“ Anthropic merkte ferner an, dass JPL-Ingenieure schätzen, dass Claude die für die Routenplanung benötigte Zeit halbieren kann, obwohl spezifische quantitative Metriken für diese Zeitreduzierung nicht offengelegt wurden. Dieser Effizienzgewinn, auch ohne genaue Zahlen, stellt einen monumentalen Vorteil für zukünftige Missionen dar, der es Wissenschaftlern und Ingenieuren ermöglicht, mehr Ressourcen für Analyse und Entdeckung anstatt für vorbereitende Logistik aufzuwenden. Während sich Vision-Language-Action-Modelle weiterentwickeln, wird ihre Rolle bei der Verbesserung der Autonomie und des Erfolgs von Robotermissionen im gesamten Sonnensystem dramatisch zunehmen.

Ekhbary Nachrichtenagentur