毅力號火星車自己上路狂奔，AI直接規劃路線，NASA玩出星際新花樣

最近，NASA“毅力號”火星車完成了一項歷史性壯舉，它依靠 AI 為自己規劃行駛路線，并在無人干預的情況下成功行駛了數百米，這項工作由位于美國南加州的 NASA 噴氣推進實驗室主導的火星車操作中心協調，并與 Anthropic 公司合作，期間使用了該公司的 Claude AI 模型。

（來源：NASA/JPL-Caltech/MSSS）

2025 年 12 月 8 日和 12 月 10 日，在火星杰澤羅隕石坑的邊緣，“毅力號”前后兩次完全依照 AI 生成的路線行駛，依次完成了 210 米和 246 米的自主行程。

在“毅力號”于第 1,707 和第 1,709 個火星日（即“太陽日”）進行的行駛中，真人專家將任務交給了生成式 AI，AI 隨后檢查了由 NASA 火星勘測軌道飛行器上的高分辨率成像科學實驗相機捕獲的軌道圖像，以及檢查了來自數字高程模型的地形坡度數據。

從傳回的圖像對比信息可以看到，AI 規劃路線與實際行駛軌跡實際上是高度吻合的。也就是說，AI 成功地引導火星車繞過了復雜地形，展示了 AI 決策的可靠性和實用性，標志著人類深空探索邁入了一個全新的階段。

（來源：NASA/JPL-Caltech）

這也在一定程度上解決了深空探索的核心痛點：那就是距離帶來的不確定性和延遲。當目標距離地球數億公里之時，任何類型的實時干預都將變得不再可能。

過去近三十年來，從“旅居者號”到“好奇號”，火星車始終依賴于人類團隊。人類專家需要花費數小時甚至數天之久，仔細研究每一張的照片，謹慎地規劃以米為單位的短途路徑，然后再分批地上傳指令。這個過程雖然安全，但卻極其緩慢且會耗費大量人力，嚴重拉低了探測效率。

長久以來，火星車的一舉一動都需要地球上的人類團隊預先精心設計。由于信號單程傳遞就需要十幾分鐘，根本無法進行實時遙控。但這一次，具備視覺理解能力的生成式 AI 接過了這份復雜的工作。

AI 能夠仔細分析來自軌道衛星的高清圖像和地形數據，識別出哪些是堅固的基巖，哪些是危險的亂石區，哪些是容易陷車的沙紋，然后自主繪制出一條連貫且安全的路徑，并設置好一個個必經的路標點。

這次成功的演示，其意義遠不止于讓火星車自己開了一段路。它預示著我們探索外星的方式將發生根本性的變革。無論是月球基地的日常巡查，還是火星山谷的長距離穿越，甚至是更遙遠星球的探測器，都將配備這樣的 AI 副駕駛。

它們能夠極大減輕地面工作人員的工作負擔，在億萬里之外做出快速、安全的決策，甚至能夠主動發現那些科學家感興趣的巖石或者地貌，從海量圖像中為篩選出寶貴線索，人類探索的腳步也將因為 AI 的輔助而變得更快、更遠和更智能。

那么，這個 AI 星際導航員是如何工作的？眾所周知，AI 不僅能夠看到圖片，還能像人類一樣理解圖片中的內容。工程師給它喂的數據，正是以往由人類專家判讀的同一批火星地表圖像和三維地形模型。AI 需要從這些數據中辨認出各種地貌特征，并理解背后所蘊藏的風險，比如一塊凸起的巖石可能會剮蹭徹底，一片平坦的沙地可能暗藏松軟的陷阱。

完成觀察和識別之后，AI 便進入規劃階段，它需要綜合所有信息，生成一條從起點到目標點的最優路徑。這條路徑不能太陡，不然就會翻車；同時需要避開所有已識別的障礙；還要盡可能的高效。規劃的結果被轉化為一系列具體的導航指令的和路標點。

為了確保萬無一失，地球上的工程師還有一個“毅力號”的完全數字復制品，也就是“數字孿生”復制品。由 AI 生成的指令會先在虛擬火星環境中開展模擬運行，并會針對五十多萬個數據點進行驗證，只有當確認所有動作都 100% 無誤之后，才會被上傳到真正的“毅力號”上。

而 AI 的加入，等于為火星車安裝了一個本地的大腦。它可以快速地處理大量數據，在探測器本地開展實時環境評估和路徑重新規劃，從而可以應對那些突發的地形變化。

據媒體報道，NASA 噴氣推進實驗室的專家們有著更大的野望，他們認為這種智能系統并非僅僅存在于地面控制中心，更是能夠嵌入到探測器本身。未來的月球車、火星直升機甚至外形無人機，都將攜帶經過真人訓練的 AI 模型，它們將能組成一個可以協同工作的智能探測網絡，自主地進行勘探、建站、采樣甚至初步的科學分析。

同時，火星車有望實現長達數百公里的自主長途跋涉，而地面人類團隊僅需設定宏觀目標并進行監督即可，這將極大拓寬單次任務的科學探測范圍。

可以想象的是，未來在建設月球永久基地的過程中，智能漫游車將能自主地執行物資運輸和設備巡檢等重復枯燥的任務。在載人火星任務中，率先派去的 AI 機器人隊伍能夠提前勘測著陸區和建立通信中繼，為真人宇航員的到來做好事先準備。這種將真人專家智慧與機器自主性加以深度融合的模式，或許正是人類能否在另一顆星球上逐漸站穩腳跟并最終走向更遠宇宙的技術跳板。

運營/排版：何晨龍