美国“毅力号”火星车首次完成了由人工智能规划的火星行驶路线
人工智能学家
一台重达1025公斤的六轮机器人在距离地球约1.4亿英里的火星表面，按照人工智能生成的路线而非人类指令行驶了210米和246米。这两次看似普通的移动，却标志着行星探索史上的分水岭时刻。
2024年12月8日和10日，美国宇航局的毅力号火星车完成了首次由人工智能规划的行驶。负责这项任务的不是喷气推进实验室经验丰富的火星车驾驶员，而是Anthropic公司的Claude视觉语言模型。这是人类第一次让机器在另一个星球上自主决定前进的方向。
传统的火星车驾驶流程像一场延迟的棋局。地球与火星之间的通信延迟可达20分钟，驾驶员必须根据前一天的图像规划路线，上传指令后等待反馈，再进行下一步调整。这种模式限制了探测效率，也增加了人力成本。
当AI学会看火星地图
喷气推进实验室的团队选择了视觉语言模型作为突破口。这类人工智能系统能够同时理解图像和文本信息，就像人类驾驶员观察地形并结合经验做出判断一样。
Claude AI分析的数据与人类规划人员使用的完全相同：火星车拍摄的图像、高分辨率轨道影像、地形图和危险区域标注。系统需要识别裸露的基岩、沙纹、陡坡和巨石区等地貌特征，然后生成一条既能避开危险又能高效前进的路径。
关键挑战在于如何将视觉信息转化为可执行的航点序列。航点是火星车导航系统的基本单位，每个航点包含精确的坐标和姿态信息。人工智能需要生成的不是粗略的方向建议，而是符合火星车运动学约束、转弯半径限制和坡度承受能力的精确路径。
测试结果显示，AI生成的路线在安全性和效率上都符合预期。第一次行驶210米，第二次行驶246米，两次横断面测试均在操作安全限度内完成。更重要的是，这些路径展现出了与人类规划相当的地形适应能力。
空间机器人专家Vandi Verma表示，生成式人工智能的基本要素在简化地外驾驶自主导航方面展现出巨大潜力。我们正朝着这样一个未来迈进：生成式人工智能和其他智能工具将帮助地面探测车进行公里级行驶，同时最大限度地减少操作员的工作量。
数字孪生的安全网
尽管人工智能系统展现出自主能力，但NASA并未直接将指令发送到火星。每一条AI生成的指令都必须先通过喷气推进实验室的毅力号数字孪生模型验证。
数字孪生是火星车在地球上的虚拟副本，它能够模拟真实火星车的所有行为。验证过程检查超过50万个遥测变量，确保指令与飞行软件兼容，不会触发任何异常或导致系统错误。只有通过这些严格测试后，工程师才会将指令上传到火星。
美国宇航局的“毅力号”火星探测车。 NASA官方Instagram账号
这种谨慎的态度源于深空探测的高风险特性。火星车造价高达27亿美元，且无法进行现场维修。任何软件错误或导航失误都可能导致探测车陷入沙坑、翻倒或撞击障碍物，造成无法挽回的损失。数字孪生技术提供了一层关键的安全保障，确保AI决策在上传到火星之前经过充分验证。
这次测试还验证了视觉语言模型处理复杂空间任务的能力。火星表面环境远比地球上的自动驾驶场景复杂：没有道路标记，没有交通规则，地形特征多样且充满不确定性。AI需要从原始图像中提取有意义的信息，评估不同路径的风险，并做出平衡效率与安全的决策。
迈向公里级自主探索
毅力号火星车自2021年2月登陆以来，已在杰泽罗陨石坑行驶了超过30公里。但每一步前进都需要地球团队的精心规划和监控。人工智能辅助导航的引入有望彻底改变这种模式。
NASA局长贾里德·艾萨克曼认为，像这样的自主技术可以帮助任务更高效地运行，应对复杂地形，并在距离地球越来越远时提高科学产出。这是团队在实际操作中谨慎负责地应用新技术的有力例证。
未来的火星探测任务可能会看到更大程度的自主性。AI不仅可以规划日常行驶路线，还可以识别具有科学价值的目标，优化样品采集顺序，甚至在突发情况下做出应急决策。这种能力对于更遥远的深空探测尤为重要。
当人类探测器到达木星或土星的卫星时，通信延迟将以小时计算。完全依赖地球指令将变得不可行，高度自主的人工智能系统将成为必需品。毅力号的这两次AI驾驶测试，为这个未来奠定了技术基础。
从实验性演示到常规操作，从210米的短途到公里级的长距离探索，人工智能在行星探测中的角色正在快速演进。火星表面的数字领航员刚刚迈出第一步，但它指向的是一个人类与机器共同开拓星际边疆的新时代。
热门跟贴