هوش مصنوعی پیشگام در ناوبری مریخ: مریخ‌نورد استقامت ناسا مسیر خود را با Claude از Anthropic ترسیم می‌کند

ایالات متحده - خبرگزاری اخباری

هوش مصنوعی پیشگام در ناوبری مریخ: مریخ‌نورد استقامت ناسا مسیر خود را با Claude از Anthropic ترسیم می‌کند

پهنه وسیع و بایر مریخ، با زمین‌های خطرناک و چالش‌های غیرقابل پیش‌بینی خود، مدت‌هاست که نیاز به برنامه‌ریزی دقیق انسانی برای اکتشافات رباتیک داشته است. با این حال، یک تغییر پارادایم قابل توجه در رباتیک فضایی پدیدار شده است، زیرا آزمایشگاه پیش‌رانش جت (JPL) ناسا با موفقیت مدل یادگیری ماشینی Claude از Anthropic را برای ترسیم یک مسیر ناوبری پیچیده برای مریخ‌نورد استقامت به کار گرفته است. این ابتکار پیشگامانه یک جهش اساسی رو به جلو را نشان می‌دهد، کاربرد عملی هوش مصنوعی مولد را در ماموریت‌های حیاتی فرازمینی به نمایش می‌گذارد و پیشینه‌ای برای تلاش‌های فضایی خودمختار آینده ایجاد می‌کند.

در یک نمایش چشمگیر از قابلیت‌های پیشرفته هوش مصنوعی، مریخ‌نورد استقامت اخیراً در دسامبر ۲۰۲۵ حدود ۴۰۰ متر را در سطح مریخ پیمود و مسیری را که توسط Claude با دقت برنامه‌ریزی شده بود، دنبال کرد. این دستاورد نه تنها یک شاهکار فنی بود، بلکه یک واگذاری استراتژیک از سوی مهندسان JPL بود که پتانسیل هوش مصنوعی را برای ساده‌سازی فرآیند پر زحمت و زمان‌بر برنامه‌ریزی مسیر تشخیص دادند. چشم‌انداز مریخ، پر از خطراتی مانند سنگ‌های تیز، امواج عمیق ماسه و شیب‌های تند، چالش‌های عظیمی را برای مریخ‌نوردها ایجاد می‌کند، همانطور که به طور غم‌انگیزی توسط مریخ‌نورد Spirit در سال ۲۰۰۹ که در ماسه گیر کرد و عملاً به ماموریت خود پایان داد، نشان داده شد.

به طور سنتی، برنامه‌ریزی سفر یک مریخ‌نورد شامل یک فرآیند فشرده مشورت با تصاویر مداری و سطحی با وضوح بالا برای شناسایی گذرگاه‌های ایمن و تعیین مجموعه‌ای از نقاط مسیر است. این داده‌ها، پس از ترسیم، سپس در فاصله متوسط ۲۲۵ میلیون کیلومتر (۱۴۰ میلیون مایل) به مریخ منتقل می‌شوند، جایی که استقامت آنها را به عنوان یک طرح ناوبری دریافت می‌کند. با توجه به تأخیرهای عظیم ارتباطی، رانندگی زنده مریخ‌نورد با جوی‌استیک از زمین به سادگی امکان‌پذیر نیست. در حالی که استقامت به یک سیستم AutoNav مجهز است که از موانع در زمان واقعی جلوگیری می‌کند و تنظیمات جزئی مسیر را انجام می‌دهد، برنامه‌ریزی اولیه همچنان یک کار حیاتی و چالش‌برانگیز است.

محققان JPL با شناخت این گلوگاه، به Claude از Anthropic روی آوردند و از قابلیت‌های دید پیشرفته آن بهره بردند. Claude وظیفه داشت تصاویر مداری با وضوح بالا را از دوربین HiRISE در مدارگرد شناسایی مریخ ناسا، همراه با داده‌های دقیق شیب زمین که از مدل‌های ارتفاع دیجیتال به دست آمده بود، تجزیه و تحلیل کند. از طریق این تحلیل، مدل هوش مصنوعی توانست ویژگی‌های حیاتی زمین – از جمله سازندهای سنگی، میدان‌های تخته‌سنگ خطرناک و امواج ماسه‌ای فریبنده – را شناسایی کرده و متعاقباً یک مسیر پیوسته و بهینه را با نقاط مسیر دقیق تولید کند. مهم‌تر از همه، Claude این دستورالعمل‌های ناوبری را به زبان نشانه‌گذاری مریخ‌نورد (RML) ترجمه کرد، یک فرمت مبتنی بر XML که مستقیماً توسط سیستم‌های مریخ‌نورد قابل اجرا است.

علیرغم قابلیت‌های چشمگیر Claude در این محیط تخصصی، Anthropic اذعان داشت که نسخه عمومی Claude در ابتدا فاقد دانش RML بود، که تمایز بین هوش مصنوعی عمومی و مدل‌های آموزش‌دیده برای کارهای خاص و پیچیده با داده‌های اختصاصی را برجسته می‌کند. با این حال، نسخه داخلی، با دسترسی به مجموعه‌داده‌های گسترده ناسا، وظیفه خود را بی‌عیب و نقص انجام داد. این استقرار موفقیت‌آمیز، قدرت آموزش تخصصی هوش مصنوعی و دسترسی به داده‌ها در کاربردهای علمی خاص را نشان می‌دهد.

با این حال، ادغام هوش مصنوعی، نقش ضروری نظارت انسانی را کاهش نمی‌دهد. مهندسان JPL برنامه‌های تولید شده توسط Claude را با دقت بررسی کردند. آنها با استفاده از یک شبیه‌ساز پیشرفته که محیط مجازی مریخ‌نورد را شبیه‌سازی می‌کند، بیش از ۵۰۰,۰۰۰ متغیر تله‌متری مربوط به موقعیت پیش‌بینی شده مریخ‌نورد و خطرات احتمالی را با دقت بررسی کردند. این فرآیند اعتبارسنجی دقیق تنها منجر به تنظیمات جزئی شد. به عنوان مثال، تصاویر دوربین سطح زمین، که Claude آنها را پردازش نکرده بود، بینش‌های واضح‌تری را در مورد امواج ماسه در یک گذرگاه باریک ارائه داد و مهندسان را وادار کرد تا مسیر را برای دقت بیشتر اصلاح کنند. این رویکرد مشارکتی، که در آن هوش مصنوعی یک پیش‌نویس اولیه کارآمد ارائه می‌دهد و کارشناسان انسانی درک و تجربه دقیق خود را به کار می‌برند، نمونه‌ای از اجرای مسئولانه هوش مصنوعی در ماموریت‌های پرخطر است.

نتیجه بسیار مثبت بود. Anthropic گزارش داد که مهندسان JPL دریافتند که برنامه‌های Claude تنها به حداقل تغییرات نیاز دارند. سپس برنامه‌های اصلاح شده به مریخ منتقل شد و استقامت با موفقیت مسیر برنامه‌ریزی شده را در روزهای مریخی (سول) ۱۷۰۷ و ۱۷۰۹، که مربوط به ۸ و ۱۰ دسامبر ۲۰۲۵ بود، اجرا کرد. در حالی که تصاویر ناسا انحرافات جزئی بین مسیرهای برنامه‌ریزی شده توسط هوش مصنوعی و مسیرهای واقعی را تأیید می‌کنند – که به دلیل سیستم AutoNav مریخ‌نورد که تنظیمات دقیق را در زمان واقعی انجام می‌دهد – موفقیت کلی کارایی هوش مصنوعی را تأیید کرد.

این نمایشگر عصر جدیدی را برای اکتشافات فضایی نوید می‌دهد. جرد آیزاکمن، مدیر ناسا، بر پیامدهای گسترده‌تر تأکید کرد و اظهار داشت: «این نمایشگر نشان می‌دهد که قابلیت‌های ما تا کجا پیشرفت کرده و نحوه کاوش ما در جهان‌های دیگر را گسترش می‌دهد. فناوری‌های خودمختار مانند این می‌توانند به ماموریت‌ها کمک کنند تا کارآمدتر عمل کنند، به زمین‌های چالش‌برانگیز پاسخ دهند و بازده علمی را با افزایش فاصله از زمین افزایش دهند. این نمونه‌ای قوی از تیم‌هایی است که فناوری جدید را با دقت و مسئولیت‌پذیری در عملیات واقعی به کار می‌برند.» Anthropic همچنین خاطرنشان کرد که مهندسان JPL تخمین می‌زنند که Claude می‌تواند زمان مورد نیاز برای برنامه‌ریزی مسیر را به نصف کاهش دهد، اگرچه معیارهای کمی خاص برای این کاهش زمان فاش نشد. این افزایش کارایی، حتی بدون ارقام دقیق، یک مزیت عظیم برای ماموریت‌های آینده است، که به دانشمندان و مهندسان اجازه می‌دهد منابع بیشتری را به تحلیل و کشف اختصاص دهند تا به لجستیک مقدماتی. همانطور که مدل‌های بینایی-زبان-عمل به تکامل خود ادامه می‌دهند، نقش آنها در افزایش خودمختاری و موفقیت ماموریت‌های رباتیک در سراسر منظومه شمسی به طور چشمگیری گسترش خواهد یافت.

خبرگزاری اخباری