Skip to content
पर्सिव्हरन्स यानाने ८ आणि १० डिसेंबर २०२५ रोजी एआय मॉडेलने आखलेल्या आणि नासाच्या अभियंत्यांनी तपासलेल्या मार्गबिंदूंवरून जेझेरो विवरातून ४५६ मीटर प्रवास केला
एआय आणि तंत्रज्ञान

पर्सिव्हरन्स यानाने ८ आणि १० डिसेंबर २०२५ रोजी एआय मॉडेलने आखलेल्या आणि नासाच्या अभियंत्यांनी तपासलेल्या मार्गबिंदूंवरून जेझेरो विवरातून ४५६ मीटर प्रवास केला

छायाचित्र: NASA / Wikimedia Commons, Public domain (क्रॉप केलेले)

मराठी

नासाची जेट प्रॉपल्शन लॅबोरेटरी सांगते की हे दुसऱ्या जगावर कृत्रिम बुद्धिमत्तेने आखलेले पहिले प्रवास होते. एआयने कक्षेतील छायाचित्रांवरून मार्ग आखला, आणि मंगळाकडे आज्ञा जाण्यापूर्वी यानाच्या डिजिटल ट्विनने त्याची ५,००,००० हून अधिक दूरमापन चलांवर तपासणी केली.

· · 5 मिनिटांचे वाचन

८ आणि १० डिसेंबर २०२५ रोजी नासाच्या पर्सिव्हरन्स रोव्हरने कक्षेतील छायाचित्रांवरून एआय मॉडेलने आखलेल्या मार्गबिंदूंवरून जेझेरो विवराच्या कडेने आधी २१० मीटर आणि मग २४६ मीटर प्रवास केला. नासाच्या जेट प्रॉपल्शन लॅबोरेटरीने (जेपीएल) ३० जानेवारी २०२६ रोजी जाहीर केले की हे दुसऱ्या जगावर कृत्रिम बुद्धिमत्तेने आखलेले पहिले प्रवास होते, एकूण ४५६ मीटर.

जेपीएलच्या रोव्हर ऑपरेशन्स सेंटरने अँथ्रोपिकसह हे काम पुढे नेले, ज्याच्या क्लॉड मॉडेलांनी आखणी केली. नासाचे प्रशासक जेरेड आयझॅकमन यांनी याला “नवे तंत्रज्ञान प्रत्यक्ष कामकाजात काळजीपूर्वक आणि जबाबदारीने वापरणाऱ्या चमूंचे उत्तम उदाहरण” म्हटले.

एआयला काय करायला सांगितले होते

जेपीएल सांगते की मंगळ पृथ्वीपासून सरासरी सुमारे १४ कोटी मैल (२२.५ कोटी किलोमीटर) दूर आहे, आणि संदेश पोहोचण्याच्या विलंबामुळे रोव्हर थेट चालवणे अशक्य आहे. अँथ्रोपिक एका बाजूचा विलंब सुमारे वीस मिनिटे असल्याचे सांगते. म्हणून नासाच्या म्हणण्यानुसार २८ वर्षे मानवी “चालक” भूप्रदेश आणि रोव्हरच्या स्थितीचा डेटा अभ्यासतात, आणि मग मार्गबिंदूंच्या मालिकेच्या रूपात मार्ग आखतात; मार्गबिंदू म्हणजे ठराविक जागा जेथे रोव्हर सूचनांचा नवा संच घेतो. त्यांच्यातील अंतर सहसा ३३० फूट (१०० मीटर) पेक्षा जास्त नसते, आणि पूर्ण आराखडा नासाच्या डीप स्पेस नेटवर्कमार्फत रोव्हरकडे जातो.

या दोन प्रवासांत जेपीएलने एआयकडे हेच आखणीचे काम सोपवले, जे मोहिमेच्या १,७०७ व्या आणि १,७०९ व्या मंगळ दिवसांना (सोल) झाले. नासाच्या मोहीम पानानुसार पर्सिव्हरन्स ४५ किलोमीटर रुंद असलेल्या जेझेरो विवरात १८ फेब्रुवारी २०२१ रोजी उतरला, प्राचीन सूक्ष्मजीवी जीवनाची चिन्हे शोधण्यासाठी आणि खडकांचे नमुने गोळा करण्यासाठी.

मार्ग कसा आखला गेला

नासा सांगते की चमूने व्हिजन-लँग्वेज मॉडेले वापरली, म्हणजे प्रतिमा तसेच मजकूरही वाचणारा जनरेटिव्ह एआयचा एक प्रकार. मानवी आखणीकार वापरतात त्याच सामग्रीवरून मॉडेलने काम केले: नासाच्या मार्स रिकॉनिसन्स ऑर्बिटरवरील हायराइज कॅमेऱ्याच्या उच्च विभेदन कक्षीय प्रतिमा, आणि डिजिटल उंची मॉडेलांतून मिळणारा भूप्रदेशाच्या उताराचा डेटा. आधी मूळ खडक, उघडे खडक, दगडांची क्षेत्रे आणि वाळूच्या लाटा ओळखल्या गेल्या, आणि मग मार्गबिंदूंसह सलग मार्ग आखला गेला.

क्लॉड तयार करणाऱ्या अँथ्रोपिक कंपनीने स्वतःचे वृत्त प्रसिद्ध केले, आणि खालील तपशील नासाकडून नव्हे तर त्यातून आले आहेत. जेपीएलच्या अभियंत्यांनी क्लॉड कोड या त्याच्या प्रोग्रामिंग साधनाला रोव्हर चालवण्याचा अनेक वर्षांचा डेटा आणि अनुभव दिला. त्यानंतर क्लॉडने रोव्हर मार्कअप लँग्वेजमध्ये आज्ञा लिहिल्या; ही एक्सएमएलवर आधारित आज्ञा भाषा मार्स एक्सप्लोरेशन रोव्हर मोहिमेसाठी प्रथम विकसित झाली होती. सुमारे दहा मीटरचे भाग एकत्र जोडले गेले, आणि मग मॉडेलने स्वतःच्या मार्गबिंदूंचा आढावा घेऊन बदल सुचवले.

मंगळावर काही पोहोचण्यापूर्वीची तपासणी

आज्ञा पाठवण्यापूर्वी अभियांत्रिकी चमूने त्या जेपीएलच्या “डिजिटल ट्विन” मधून, म्हणजे रोव्हरच्या आभासी प्रतिकृतीतून, चालवल्या. नासा सांगते की सूचना रोव्हरच्या उड्डाण सॉफ्टवेअरशी सुसंगत आहेत याची खात्री करण्यासाठी ट्विनने ५,००,००० हून अधिक दूरमापन चले पडताळली.

अँथ्रोपिकच्या म्हणण्यानुसार अभियंत्यांना फक्त किरकोळ बदल आवश्यक वाटले. क्लॉडने न पाहिलेल्या जमिनीवरील कॅमेऱ्याच्या प्रतिमांनी अरुंद पट्ट्याच्या दोन्ही बाजूंच्या वाळूच्या लाटा अधिक स्पष्ट दाखवल्या, आणि रोव्हर चालकांनी तेथे एआयपेक्षा अधिक नेमकेपणाने मार्ग विभागण्याचे ठरवले. अन्यथा मार्ग टिकला, असे कंपनी सांगते, आणि रोव्हरने आखलेला मार्ग पूर्ण केला.

नासाची एक कक्षीय प्रतिमा १० डिसेंबरच्या प्रवासासाठी एआयने आखलेला मार्ग किरमिजी रंगात आणि प्रत्यक्ष चालवलेला मार्ग नारिंगी रंगात दाखवते. द रजिस्टरने नमूद केले की दोन्ही रेषा थोड्या वेगळ्या आहेत आणि रोव्हरचे स्वतःचे अडथळा टाळणारे सॉफ्टवेअर त्याचे कारण असावे असा अंदाज केला; नासाच्या प्रसिद्धिपत्रकात हे सांगितलेले नाही.

या सावधगिरीला इतिहास आहे. नासाच्या म्हणण्यानुसार एप्रिल २००९ मध्ये स्पिरिट रोव्हर एका कवचातून आत गेला आणि चमूने “ट्रॉय” म्हटलेल्या जागी मऊ वाळूत अडकला. स्पिरिट आणि ऑपॉर्च्युनिटीसाठीच्या नासाच्या मोहीम पानावर नोंद आहे की स्पिरिटची मोहीम २०१० मध्ये संपली.

अंतर ४००, ४५० आणि ४५६ मीटर असे का दिसते

नासाच्या बाजूने दोन आकडे आहेत: ८ डिसेंबरला ६८९ फूट (२१० मीटर) आणि १० डिसेंबरला ८०७ फूट (२४६ मीटर), जे मिळून सुमारे ४५६ मीटर होतात. स्पेस.कॉमने “जवळपास १,५०० फूट (४५६ मीटर)” असे वृत्त दिले, आणि अॅस्ट्रॉनॉमीने १,४९६ फूट (४५५.९ मीटर) दिले. अँथ्रोपिकच्या पानावर “अंदाजे चारशे मीटर” म्हटले आहे, द रजिस्टरने सुमारे ४०० मीटर लिहिले, आणि पेलोडने ४५० लिहिले. येथे नासाचे आकडे वापरले आहेत.

एआयची भूमिकाही वेगवेगळ्या माध्यमांत वेगळ्या शब्दांत मांडली आहे. स्पेस.कॉमने लिहिले की प्रवास पूर्णपणे एआयने आखला, आणि अॅस्ट्रॉनॉमीने की तो मॉडेलने पूर्णपणे आखला आणि पार पाडला. नासाचे जानेवारीचे प्रसिद्धिपत्रक डिजिटल ट्विन तपासणीचे वर्णन करते, आणि नासाची रोव्हर पाने रोव्हरचे स्वतःचे दिशादर्शन सॉफ्टवेअर चालताना धोके हाताळत असल्याचे सांगतात, म्हणून हा लेख एआयने आखले, अभियंत्यांनी तपासले असे म्हणतो.

आधीच स्वायत्त असलेले चालन

पर्सिव्हरन्स मार्गबिंदूंमध्ये पृथ्वीची वाट पाहत नाही. जेपीएलचे १२ ऑक्टोबर २०२६ चे प्रसिद्धिपत्रक समजावते की त्याची ऑटोनॅव्ह प्रणाली फिरताना भूप्रदेशाची प्रतिमा घेते, धोक्यांचा त्रिमितीय नकाशा तयार करते आणि पृथ्वीवर निवडलेल्या मार्गबिंदूंमधील मार्ग आखते. जेपीएल सांगते की पर्सिव्हरन्सने आपल्या एकूण अंतराच्या ९० टक्क्यांहून अधिक अंतर असे चालवले आहे, तर स्पिरिट आणि ऑपॉर्च्युनिटीवरील पहिल्या ऑटोनॅव्हसाठी हे सुमारे ५ टक्के होते. ते एका सोलमध्ये जास्तीत जास्त ४१२ मीटर कापू शकते.

त्याच प्रसिद्धिपत्रकाने एक विक्रम नोंदवला. ११ ऑक्टोबर २०२६ रोजी, २,००६ व्या सोलला, ओडोमीटर ४५.२२ किलोमीटरवर पोहोचले, जे ऑपॉर्च्युनिटीने २००४ ते २०१८ दरम्यान केलेल्या ४५.१६ किलोमीटरच्या पुढे गेले. ऑपॉर्च्युनिटीला जवळपास पंधरा वर्षे लागली ते पर्सिव्हरन्सला साडेपाच वर्षांत पुरले. रोबोटिक ऑपरेशन्सचे उपप्रमुख मार्क मायमोन म्हणाले, “उतरला त्या वेळच्या रोव्हरपेक्षा पर्सिव्हरन्स आज अधिक चांगला चालक आहे.” प्रसिद्धिपत्रक अंतराचे श्रेय ऑटोनॅव्हला देते आणि एआयने आखलेल्या मार्गबिंदूंचा उल्लेख करत नाही.

म्हणजे दोन भाग क्रमाने काम करतात: एआयने नकाशावर कुठे जायचे ते आखले, आणि रोव्हरच्या स्वतःच्या सॉफ्टवेअरने चाकांसमोर जे होते ते हाताळले. इतर जगांवरील इतर यंत्रांसाठी, या संकेतस्थळाचा चांद्रयान-३ च्या प्रज्ञान रोव्हरबद्दलचा लेख, ज्याने चंद्रावर १०३ मीटर प्रवास केला, आणि भारताच्या मंगळ कक्षायानाचा, मंगळयानाचा, लेख पाहा.

नासा आणि अँथ्रोपिक पुढे काय म्हणतात

पर्सिव्हरन्स चमूतील जेपीएलच्या अवकाश रोबोटिक्स तज्ज्ञ वँडी वर्मा यांनी नासाच्या प्रसिद्धिपत्रकात सांगितले की चमू “अशा दिवसाकडे वाटचाल करत आहे जेव्हा जनरेटिव्ह एआय आणि इतर स्मार्ट साधने आमच्या पृष्ठभागावरील रोव्हरांना किलोमीटर पातळीचे प्रवास हाताळण्यास मदत करतील.” वैज्ञानिकांसाठी रोव्हरच्या प्रतिमांचा मोठा साठा तपासून रोचक वैशिष्ट्ये चिन्हांकित करण्याचे उद्दिष्टही त्यांनी नमूद केले.

जेपीएलचे अभियंते अंदाज करतात की ही पद्धत मार्ग आखणीचा वेळ निम्म्याने कमी करू शकेल, असे अँथ्रोपिक सांगते. हे कंपनीने सांगितलेल्या अंदाजाचे वृत्त आहे, आणि द रजिस्टरने ३१ जानेवारी २०२६ रोजी नोंदवले की किती वेळ वाचेल हे दोन्हीपैकी कोणत्याही पक्षाकडून त्यांना मिळवता आले नाही. आपल्या शब्दांत कंपनी डिसेंबरच्या प्रवासांना चाचणी फेरी म्हणते आणि अशाच प्रकारचे साधन वापरले जाऊ शकेल अशी जागा म्हणून नासाच्या आर्टेमिस चांद्र कार्यक्रमाकडे निर्देश करते.

रोव्हर ऑपरेशन्स सेंटर सांगते की ते भविष्यातील रोव्हर, हवाई आणि इतर पृष्ठभाग मोहिमांसाठी डिजिटल ट्विन आणि मोहिमेला अनुरूप एआय मॉडेले विकसित करत आहे. रोबोट फाउंडेशन मॉडेलांच्या प्रसिद्ध झालेल्या चाचणी निकालांसाठी या संकेतस्थळाचे २०२६ चे आढावा लेख पाहा. नासाच्या ऑक्टोबर २०२६ च्या विक्रमविषयक प्रसिद्धिपत्रकात म्हटले आहे की मोहिमेचा पहिला विस्तार त्या महिन्यात सुरू झाला आणि तो पर्सिव्हरन्सच्या विवराच्या कडेच्या शोधाला साधारण २०२८ च्या अखेरीपर्यंत नेईल.

Share
Copied!

स्रोत आणि पुढील वाचन

  1. NASA JPL: NASA's Perseverance Rover Completes First AI-Planned Drive on Mars (30 January 2026)
  2. NASA JPL: NASA's Perseverance Sets Off-World Record for Total Distance Driven (12 October 2026)
  3. NASA Science: Mars 2020 Perseverance Rover mission page
  4. NASA Science: Perseverance rover components (cameras and autonomous navigation)
  5. NASA JPL: Rover Operations Center
  6. NASA Photojournal: Tracks in, Path out? (Spirit rover, PIA12473, December 2009)
  7. NASA Science: Mars Exploration Rovers, Spirit and Opportunity
  8. Anthropic: Claude AI Powers NASA's First AI-Planned Mars Rover Drive (the company's own account)
  9. The Register: NASA taps Claude to conjure Mars rover's travel plan (31 January 2026)
  10. The Robot Report: NASA's Perseverance Rover completes its first AI-planned drive
  11. Astronomy: AI pilots Perseverance across 1500 feet of martian terrain
  12. Space.com: NASA's Perseverance Mars rover completes its 1st drive planned by AI
  13. Payload: Mars Rover Drives with the Help of Anthropic AI

हा लेख AI साधनांच्या मदतीने संशोधित आणि लिहिला गेला असून अचूकतेसाठी संपादित केला आहे. हा केवळ सर्वसाधारण माहिती आणि चर्चेसाठी आहे, व्यावसायिक सल्ला नाही. आमचे संपादकीय मानक आणि अस्वीकरण पाहा. चूक आढळली? आम्हाला कळवा.

#perseverance rover#nasa jpl#mars#generative ai#autonomous navigation#anthropic#jezero crater

आवडलं? पुढचा लेख मिळवा.

एका वेळी एक चांगला लेख, थेट तुमच्या इनबॉक्समध्ये. स्पॅम नाही, हवं तेव्हा थांबवा.

याच विभागात आणखी: एआय आणि तंत्रज्ञान
२२ ऑगस्ट २०२२ रोजी प्रसिद्ध झालेले Stable Diffusion यादृच्छिक नॉइजमधून सुमारे ५० नॉइज-काढण्याच्या पायऱ्यांत ५१२ बाय ५१२ चे चित्र बनवते, २०१५ मधील भौतिकशास्त्रावरून सुचलेल्या शोधनिबंधात प्रथम मांडलेली कल्पना वापरून
Stable Diffusion मागील डिफ्यूजन पद्धतीचा पायरी-पायरीने आढावा: प्रत्येक शोधनिबंधाने काय जोडले, लेखकांनी काय मोजले, आणि प्रसिद्ध झालेले मॉडेल अजूनही काय करू शकत नाही असे मॉडेल कार्ड सांगते.
अँथ्रॉपिकने Claude 3 Sonnet वर ३४ दशलक्ष फीचरचा ऑटोएन्कोडर प्रशिक्षित केला, गुगल डीपमाइंडने नंतर त्याच पद्धतीवरील मूलभूत संशोधनाला प्राधान्यक्रमातून मागे टाकले, आणि अँथ्रॉपिकच्या ॲट्रिब्यूशन ग्राफनी सुमारे एक चतुर्थांश प्रॉम्प्टवरच अंतर्दृष्टी दिली
संशोधक आता भाषा मॉडेलमध्ये एक संकल्पना काढून दुसरी बसवून उत्तर बदलताना पाहू शकतात. त्याच शोधनिबंधांनी स्वतःच्या शब्दांत सांगितले आहे की यात मॉडेलचा किती थोडा भाग येतो आणि साधने कुठे अपयशी ठरतात.
एआयचा सर्वाधिक संपर्क असलेल्या नोकऱ्यांमधील तरुण कामगार जिथे असायला हवे होते त्यापेक्षा १९ टक्के मागे आहेत, असे लाखो वेतन-नोंदींवरील स्टॅनफोर्डच्या अभ्यासात आढळले, आणि हे एआयमुळे झाले हे सिद्ध होत नाही असे त्याचे लेखक म्हणतात
एडीपीच्या लाखो वेतन-नोंदींमध्ये, एआय ज्या कामांत सर्वात चांगले आहे त्या नोकऱ्यांतील तरुण कामगार आपल्या समवयस्कांपेक्षा मागे पडत आहेत. याचे कारण एआय आहे का, हे एकच गोष्ट लेखक सांगायला नकार देतात.
← सर्व लेख