Skip to content
毅力号火星车于2025年12月8日和10日在杰泽罗陨石坑行驶456米,路线点由AI模型起草、NASA工程师审核
人工智能与科技

毅力号火星车于2025年12月8日和10日在杰泽罗陨石坑行驶456米,路线点由AI模型起草、NASA工程师审核

图片: NASA / Wikimedia Commons, Public domain (已裁剪)

中文

NASA喷气推进实验室说,这是在另一个星球上首次由人工智能规划的驾驶。AI根据轨道照片起草路线,在指令发往火星之前,火星车的数字孪生体用50多万个遥测变量对路线做了核对。

· · 1 分钟阅读

2025年12月8日和10日,NASA的毅力号火星车沿杰泽罗陨石坑边缘先后行驶了210米和246米,所依据的路线点是一个AI模型根据轨道照片起草的。NASA喷气推进实验室(JPL)在2026年1月30日宣布,这是在另一个星球上首次由人工智能规划的驾驶,两次合计456米。

JPL的火星车操作中心牵头开展这项工作,合作方是Anthropic,规划由其Claude模型完成。NASA局长贾里德·艾萨克曼(Jared Isaacman)称这是“团队在真实作业中审慎而负责任地应用新技术的一个有力范例”。

要AI做什么

据JPL介绍,火星与地球平均相距约1.4亿英里(2.25亿公里),信号传输的延迟使得实时遥控火星车无从谈起。Anthropic给出的单程延迟约为二十分钟。因此据NASA说,28年来一直是人类“驾驶员”研究地形和火星车状态数据,再把路线勾勒成一串路线点。路线点是固定的位置,火星车到了那里就接收新一组指令。路线点之间的间距通常不超过330英尺(100米),做好的计划经由NASA的深空网络发往火星车。

JPL在这两次驾驶中交给AI的,正是这项勾勒路线的工作。两次驾驶分别发生在任务的第1707个和第1709个火星日(sol)。据NASA的任务页面,毅力号于2021年2月18日降落在宽45公里的杰泽罗陨石坑,任务是寻找远古微生物生命的迹象并采集岩石样本。

路线是怎样起草的

NASA说,团队使用的是视觉语言模型,这是一种既能读图像也能读文字的生成式AI。模型用的材料与人类规划员相同: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,以及数字高程模型中的地形坡度数据。它先识别出基岩、露头、巨石区和沙纹,随后给出一条带路线点的连续路径。

Claude的开发公司Anthropic发表了自己的说明,下面的细节来自它,而不是来自NASA。JPL的工程师把驾驶火星车多年积累的数据和经验交给了它的编程工具Claude Code。接着,Claude用火星车标记语言(Rover Markup Language)写出指令,这是一种基于XML的指令语言,最初是为火星探测漫游者任务开发的。约十米一段的路径被串联起来,随后模型又复查了自己的路线点并提出修改建议。

指令到达火星之前的核查

指令发出之前,工程团队先把它们放进JPL的“数字孪生体”里运行,这是火星车的一个虚拟复制品。NASA说,这个孪生体核验了50多万个遥测变量,以确保指令与火星车的飞行软件兼容。

据Anthropic说,工程师发现只需要做少量修改。Claude没有见过的地面相机图像,把一条狭窄通道两侧的沙纹显示得更清楚,火星车驾驶员便选择在那里比AI更精确地把路线分段。除此之外,该公司说,路线经得起检验,火星车走完了规划好的路径。

NASA的一张轨道图像用洋红色标出了12月10日那次驾驶的AI规划路线,用橙色标出实际行驶的路线。The Register指出,两条线略有出入,并猜测是火星车自身的避障软件造成的;NASA的发布稿没有说明。

这份谨慎有其来历。据NASA,2009年4月,勇气号火星车陷穿一层硬壳,被困在团队称为“特洛伊”的地点的松软沙地里。NASA关于勇气号和机遇号的任务页面记载,勇气号在2010年结束了任务。

距离为何写成400米、450米和456米

在NASA这边,两个数字是12月8日的689英尺(210米)和12月10日的807英尺(246米),加起来约为456米。Space.com报道的是“近1500英尺(456米)”,Astronomy给出的是1496英尺(455.9米)。Anthropic的页面写的是“约四百米”,The Register写的是约400米,Payload写的是450。本文采用NASA的数字。

各家媒体对AI角色的措辞也不一样。Space.com写的是这次驾驶完全由AI规划,Astronomy写的是完全由模型规划并执行。NASA一月的发布稿描述了数字孪生体的核查,NASA的火星车页面则说明火星车自己的导航软件在行驶中处理险情,所以本文说的是AI规划、工程师审核。

本来就已经自主的驾驶

毅力号在路线点之间并不等待地球。JPL在2026年10月12日的发布稿中解释说,它的AutoNav系统一边行进一边给地形成像,建立危险物的三维地图,并在地球选定的路线点之间规划路线。JPL说,毅力号总行驶距离的90%以上是这样完成的,而勇气号和机遇号上最初的AutoNav约为5%。它在一个火星日里最多可行驶412米。

同一篇发布稿还标志着一项纪录。2026年10月11日,即第2006个火星日,里程表达到45.22公里,超过了机遇号在2004年至2018年间创下的45.16公里。机遇号用了将近十五年才走完的路程,毅力号只用了五年半。机器人作业副队长马克·迈莫内(Mark Maimone)说:“毅力号比降落时的那个驾驶员更出色。”发布稿把这段距离归功于AutoNav,没有提到AI规划的路线点。

所以这两部分是先后配合的:AI在地图上起草去哪里,火星车自己的软件处理车轮前面的情况。关于其他星球上的其他机器,可以看本站对月船三号的Pragyan月球车的报道,它在月球上行驶了103米,也可以看对印度火星轨道器任务曼加里安的报道。

NASA和Anthropic说接下来会怎样

JPL太空机器人专家、毅力号团队成员万迪·维尔马(Vandi Verma)在NASA的发布稿中说,团队正在“迈向这样一个时代:生成式AI和其他智能工具将帮助我们的地表火星车完成公里级的驾驶”。她还提到一个目标,即搜遍大量火星车图像,为科学家标出有意思的特征。

Anthropic报告说,JPL工程师估计这种方法可以把路线规划时间减半。这是该公司转述的一个估计,The Register在2026年1月31日报道说,它无法让任何一方说出能节省多少时间。该公司自己的说法是把12月的驾驶称为一次试运行,并指出NASA的阿尔忒弥斯登月计划是同类工具可能用上的地方。

火星车操作中心说,它正在为未来的火星车、航空器和其他地表任务开发数字孪生体和适配任务的AI模型。关于机器人基础模型已公布的测试结果,可看本站2026年的综述。NASA在2026年10月的纪录发布稿中说,该任务的第一次延期从当月开始,将使毅力号对陨石坑边缘的探索大致持续到2028年底。

Share
Copied!

资料来源与延伸阅读

  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

本文在 AI 工具协助下研究与撰写,并经编辑核实。仅供一般参考与讨论,不构成专业建议。请参阅我们的编辑准则与免责声明。发现错误?告诉我们。

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

喜欢这篇吗?下一篇也别错过。

每次一篇好文章,直接送到你的邮箱。绝无垃圾邮件,随时可退订。

同类更多: 人工智能与科技
2022年8月22日发布的Stable Diffusion,用约50步去噪把随机噪声变成512乘512的图像,所用的思路最早见于2015年一篇受物理学启发的论文
逐步讲清Stable Diffusion背后的扩散方法:每篇论文增添了什么,作者测量了什么,以及模型卡说明发布的模型至今还做不到什么。
Anthropic在Claude 3 Sonnet上训练了3400万特征的自编码器,谷歌DeepMind随后下调了对该方法基础研究的优先级,Anthropic的归因图则只在约四分之一的提示上带来了洞见
研究人员如今可以在语言模型内部把一个概念换成另一个,并看到答案随之改变。这些论文自己也说,这覆盖了模型的多么小一部分,工具又在哪些地方失灵。
斯坦福一项基于数百万条工资单记录的研究发现,受人工智能影响最大的职业中,年轻员工的就业比应有水平低了19%,但作者说这并不能证明是人工智能造成的
在数百万条ADP工资单记录中,处于人工智能最擅长的那些工作里的年轻员工,正落后于他们的同龄人。至于人工智能是不是原因,作者拒绝下这个结论。
← 全部文章