La IA generativa (Generative AI) toma el volante: el rover Perseverance de la NASA completa un histórico desplazamiento autónomo en Marte
En un paso monumental tanto para la inteligencia artificial como para la exploración espacial, el rover Perseverance de la NASA ha completado con éxito sus primeras maniobras en Marte utilizando rutas planificadas íntegramente por un modelo de IA generativa. Este logro marca una desviación significativa de la navegación planetaria tradicional, señalando una nueva era en la que los sistemas autónomos podrían liderar la exploración de las fronteras desconocidas de nuestro sistema solar.
Colaborando con la empresa de investigación en IA Anthropic, el Jet Propulsion Laboratory (JPL) de la NASA desplegó un modelo visión-lenguaje (vision-language model) para navegar por el traicionero terreno marciano. Esta prueba, realizada a finales de 2025 y confirmada por la NASA a principios de 2026, demuestra el inmenso potencial de integrar agentes avanzados de IA en operaciones espaciales críticas para la misión, permitiendo efectivamente que los robots "piensen" y planifiquen sus recorridos a través de millones de millas de espacio vacío.
El cambio hacia la navegación autónoma
Durante casi tres décadas, los rovers marcianos han dependido en gran medida de "conductores" humanos en la Tierra. Debido a la distancia media de 140 millones de millas (225 millones de kilómetros) entre ambos planetas, el control en tiempo real —o "joy-sticking"— es imposible. Las señales tardan minutos en viajar, lo que significa que un rover podría conducir hacia un acantilado antes de que el operador en la Tierra siquiera viera el peligro.
Tradicionalmente, los planificadores humanos analizan meticulosamente imágenes del terreno, identifican peligros y trazan puntos de ruta manualmente. Estos puntos de ruta (waypoints) suelen estar espaciados en no más de 100 metros (330 pies) para garantizar la seguridad. Aunque efectivo, este proceso requiere mucho trabajo y limita la velocidad a la que un rover puede recorrer la superficie marciana.
La demostración reciente que utiliza IA generativa cambia este paradigma. En lugar de esperar la instrucción humana para cada segmento del trayecto, Perseverance utilizó un sofisticado modelo de IA para analizar imágenes orbitales de alta resolución y modelos digitales de elevación. La IA identificó características geológicas —como la roca madre, afloramientos y campos de bloques peligrosos— y generó de forma autónoma una ruta continua que el rover debía seguir.
Cómo funciona el piloto de IA
El sistema utilizó un modelo visión-lenguaje (vision-language model) desarrollado en asociación con Anthropic, aprovechando su arquitectura de IA Claude. Este modelo procesó datos de la cámara HiRISE (High Resolution Imaging Science Experiment) a bordo del Mars Reconnaissance Orbiter de la NASA.
El proceso implicó varios pasos críticos:
- Ingesta de datos: La IA analizó imágenes orbitales y datos de pendiente del terreno para comprender el paisaje.
- Reconocimiento de características: Identificó zonas seguras frente a peligros como dunas de arena o rocas afiladas.
- Generación de ruta: El modelo calculó una ruta continua con puntos de ruta específicos, creando efectivamente un "plan de vuelo" para el rover en el suelo.
Para garantizar la seguridad del hardware multimillonario, las instrucciones de la IA no se enviaron a ciegas. Los ingenieros del JPL ejecutaron los comandos de conducción generados a través de un gemelo digital (digital twin): una réplica virtual del rover Perseverance. Esta simulación verificó más de 500.000 variables de telemetría para asegurar que la ruta de la IA fuera compatible con el software de vuelo y las capacidades físicas del rover.
Análisis comparativo: planificación humana vs. de IA
| Feature | Traditional Human Planning | Generative AI Planning |
|---|---|---|
| Responsable de la decisión | Planificadores humanos de rovers en JPL | Modelos de IA visión-lenguaje |
| Fuente de datos | Inspección visual de imágenes del terreno | Datos orbitales de alta resolución y modelos de elevación |
| Espaciado de puntos de ruta | Normalmente < 100 metros | Generación continua de ruta (variable) |
| Velocidad/Eficiencia | Limitada por el tiempo de análisis humano | Ciclos de decisión potencialmente más rápidos |
| Limitación principal | Trabajo intensivo y que consume tiempo | Requiere validación rigurosa (gemelo digital) |
Resultados en el planeta rojo
Las pruebas de campo para esta tecnología se llevaron a cabo en dos días marcianos específicos, o "sols", en diciembre de 2025.
- Drive 1 (Dec. 8): Perseverance recorrió 210 metros (689 pies) usando puntos de ruta determinados íntegramente por la IA.
- Drive 2 (Dec. 10): El rover cubrió un impresionante 246 metros (807 pies).
Vandi Verma, ingeniera en robótica espacial en JPL y miembro del equipo de ingeniería de Perseverance, destacó el éxito del experimento. Señaló que los fundamentos de la IA generativa mostraron "gran potencial" para optimizar los pilares centrales de la navegación autónoma: percepción, localización y planificación. Al permitir que la IA se encargue del "trabajo pesado" de trazar rutas, los operadores humanos pueden centrarse en objetivos científicos de mayor nivel.
El futuro de la exploración del espacio profundo
Este avance es mucho más que ahorrar tiempo a los ingenieros en la Tierra; es un paso crítico para el futuro de la exploración espacial. A medida que la humanidad se adentra más en el cosmos, los retrasos en las comunicaciones solo aumentarán. Las misiones a los planetas exteriores o incluso al lado lejano de la Luna requieren sistemas capaces de operar de forma independiente durante largos periodos.
El administrador de la NASA Jared Isaacman elogió la demostración, afirmando que tales tecnologías autónomas son esenciales para operar de manera eficiente y responder a terrenos desafiantes a medida que la distancia respecto a la Tierra crece.
Impulsando una presencia permanente
Matt Wallace, gerente de la Oficina de Sistemas de Exploración del JPL, enfatizó las implicaciones más amplias para el asentamiento humano. "Imaginen sistemas inteligentes no solo en la Tierra, sino también en aplicaciones en el borde en nuestros rovers, helicópteros, drones y otros elementos de superficie", dijo Wallace. Él considera esta "sabiduría colectiva" entrenada en agentes de IA como la tecnología transformadora necesaria para establecer la infraestructura de una presencia humana permanente en la Luna y, eventualmente, misiones tripuladas a Marte.
A medida que Exploración espacial evoluciona, la integración de modelos de IA robustos como Claude en el hardware de vuelo representa un momento pivotal. Sugiere un futuro en el que nuestros exploradores robóticos no sean solo herramientas controladas a distancia, sino socios inteligentes capaces de navegar las estrellas junto a nosotros.
