美国 - 艾赫巴里通讯社
NASA 启用 AI 模型 Claude 为 Perseverance 火星探测器规划路径
在人工智能太空探索能力日益增强的开创性展示中，NASA 成功利用 Anthropic 的先进人工智能模型 Claude，为火星表面的 Perseverance 探测器规划了精确的行进路线。这一重要成就标志着一个新时代的到来，在这个时代，复杂的人工智能系统被委托执行以前完全由人类工程师负责的关键任务，这凸显了人工智能在提高深空任务效率和安全性方面的潜力。
Perseverance 探测器最近在人工智能生成的路线上，于火星地表行进了约 400 米。这次自主导航是在 NASA 喷气推进实验室 (JPL) 的工程师们明确批准下进行的，他们认识到将复杂且耗时的路线规划过程委托给 Anthropic 的先进人工智能的潜力。火星为机器人探测器提供了众所周知的严峻环境，其崎岖的地形带来了持续的缠绕或损坏风险，这让人不禁回想起 2009 年“勇气号”探测器的困境等过往事件。
另请阅读
传统上，规划火星探测器的路线是一个艰苦的过程。它需要仔细分析高分辨率的轨道图像和地表数据，以建立一系列引导探测器运动的航点。一旦规划完成，这些导航数据必须通过巨大的行星际距离——平均约 1.4 亿英里（2.25 亿公里）——传输到探测器。考虑到显著的通信延迟，通过操纵杆进行直接的实时控制是不可行的。
Perseverance 配备了先进的“AutoNav”系统，该系统专为在旅途中进行自主决策和避障而设计。NASA 解释说，AutoNav 允许探测器在前往预定目的地时动态地重新规划路线，以绕过意外的岩石或其他危险。然而，AutoNav 的有效性在很大程度上取决于初始路线规划的质量。为了减轻人类规划者的负担并减少这项任务的“耗时”和“费力”性质，JPL 的研究人员决定让 Claude 利用其强大的视觉能力来发挥领导作用。
生成式人工智能模型分析了 NASA 火星勘测轨道飞行器上 HiRISE 相机拍摄的高分辨率轨道图像，以及来自数字高程模型的地形坡度数据。Claude 仔细识别了关键的地质特征，包括基岩、露头、危险的巨石区和沙丘。基于这次全面的分析，它生成了一条包含特定航点的连续、安全路线。值得注意的是，Claude 被指派生成基于 XML 格式的 Rover Markup Language (RML) 命令。虽然公开可用的 Claude 版本最初在生成 RML 时遇到困难，甚至否认了解它，但它对专用 NASA 数据的访问使其能够成功生成此任务的 RML。
在 Claude 生成初步路线后，JPL 的工程师们进行了一项严格的验证过程。认识到人工智能模型像任何复杂系统一样可能会犯错误，并遵循行星探测器操作的最佳实践，人类团队仔细审查了人工智能生成的计划。JPL 的工程师们使用了一个模拟探测器及其火星环境的模拟器，仔细检查了与探测器预期位置和潜在危险相关的 500,000 多个遥测变量。他们识别并实施了必要的修正。
根据 Anthropic 的说法，JPL 工程师发现在审查 Claude 的计划后，只需要进行微小的调整。例如，Claude 未直接处理的地面摄像头图像，为狭窄通道内的沙丘提供了一个更清晰的视角。探测器驾驶员选择在此节点上比 Claude 的初步建议更精确地调整路线。尽管如此，AI 生成的核心路线被证明是稳健的。最终的计划被传输到火星，Perseverance 探测器成功执行了预定轨迹。
在火星日（sol）1,707 和 1,709（分别对应 2025 年 12 月 8 日和 10 日），Perseverance 使用了人工智能生成的路线而不是人类设计的路线进行操作。一张带注释的轨道图像直观地描绘了 2025 年 12 月 10 日在 Jezero Crater 行驶期间 AI 规划的路线（品红色）和实际行驶路径（橙色）。虽然探测器的实际路线与预先规划的路线略有偏差——这可能是由于 AutoNav 系统为应对不可预见的微地形特征而进行的实时调整——但 AI 的基本计划被证明非常有效。
相关新闻
NASA 局长 Jared Isaacman 评论了此次演示的重要性，他说：“这次演示表明我们的能力取得了多大的进步，并拓宽了我们探索其他世界的方式。”他进一步强调了自主技术的价值，指出它们能够“帮助任务更有效地运行，应对严峻的地形，并随着地球距离的增加而增加科学回报。” Isaacman 称赞这项工作是“团队在实际操作中谨慎而负责任地应用新技术”的一个典范。
Anthropic 报告称，JPL 工程师估计 Claude 的参与可以将路线规划所需的时间缩短一半。然而，AI 公司并未详细说明具体缩短的时间。在量化这一时间节省方面，无法立即联系到 Anthropic 和 JPL 的代表置评。
