美国国家航空航天局的“毅力”火星探测器完成了首次在其他星球上行驶。这次行驶是在12月8日和10日进行的，由位于加利福尼亚州南部的喷气推进实验室主导，此次演示使用生成性人工智能为“毅力”创建了航点，这是一项通常由人类探测器规划者手动执行的复杂决策任务。

“这次演示展示了我们能力的巨大进步，并拓宽了我们探索其他星球的方式，”NASA管理员贾里德·艾萨克曼说。“像这样的自主技术可以帮助任务更高效地进行，随着与地球距离的增加，提高科学回报。这是团队在实际操作中谨慎、负责任地应用新技术的一个很好的例子。”

在演示过程中，团队利用了一种称为 视觉语言模型 的生成式人工智能，分析了来自 JPL 表面任务数据集中的现有数据。该人工智能使用人类规划者所依赖的相同图像和数据来生成航点——探测器执行新指令的固定位置——让“毅力号”能够安全地在复杂的火星地形中导航。

这个项目由 JPL 的探测器操作中心 (ROC) 主导，和 Anthropic 合作，使用他们的 Claude AI 模型。

火星及更远的探索进展

火星及更远的探索进展

火星与地球的平均距离大约是1.4亿英里（约合2.25亿公里）。这个巨大的距离导致了显著的通信延迟，使得对探测器进行实时远程操作——也就是“操纵杆控制”——变得不可能。因此，在过去的28年里，经过几次任务，探测器的行驶路线由人类“驾驶员”规划和执行。他们分析地形和状态数据，利用航路点绘制路线，这些航路点通常相距不超过330英尺（约100米），以避免潜在的危险。然后，他们通过NASA的深空网络将计划发送给探测器，探测器再根据这些计划执行。

但在‘毅力号’的任务中，在1,707和1,709个火星日（即‘sols’）的行驶中，团队采取了一些不同的做法：生成式人工智能分析了来自NASA火星侦察轨道器上HiRISE（高分辨率成像科学实验）相机的高分辨率轨道影像，以及来自数字高程模型的地形坡度数据。在识别出关键的地形特征——如基岩、露头、危险的巨石场、沙丘等后，它生成了一条完整的连续路径，并包含航路点。

为了确保AI的指令与探测器的飞行软件完全匹配，工程团队还通过JPL的“数字双胞胎”（即探测器的虚拟复制品）来处理驱动命令，在将命令发送到火星之前，验证了超过50万个遥测变量。

12月8日那天，“毅力号”在以生成式AI航点为导航的情况下，行驶了689英尺（210米）。又过了两天，它又行驶了807英尺（246米）。

“生成性人工智能的基本要素在简化自主导航的核心方面展现了很大的潜力，特别是在行星外的驾驶中：感知（看到岩石和波纹）、定位（知道我们所处的位置）以及规划和控制（决定并执行最安全的行驶路径），”JPL的空间机器人专家、毅力号工程团队成员Vandi Verma说道。

“我们正朝着这样的目标前进，生成性人工智能和其他智能工具将帮助我们的地面探测器进行长达公里的驾驶，同时减轻操作员的工作负担，通过扫描大量探测器图像，标记出有趣的地表特征供我们的科学团队参考。”

“想象一下，不仅在地球表面，还有在我们的探测车、直升机、无人机和其他表面元素中，拥有智能系统，这些系统是经过我们NASA的工程师、科学家和宇航员的集体智慧训练出来的，”JPL探索系统办公室的经理马特·华莱士说。“这正是我们所需要的改变游戏规则的技术，以建立在月球上永久人类存在所需的基础设施和系统，并把美国送往火星及更远的地方。”