Генеративный ИИ (Generative AI) берёт штурвал: марсоход Perseverance NASA завершил исторический автономный пробег на Марсе
В знаменательный шаг для как искусственного интеллекта, так и космических исследований, марсоход Perseverance агентства NASA успешно завершил свои первые передвижения по Марсу, используя маршруты, полностью спланированные моделью генеративного ИИ. Это достижение отмечает существенный отход от традиционной планетарной навигации и знаменует новую эру, в которой автономные системы могут вести исследования неизведанных рубежей нашей Солнечной системы.
В сотрудничестве с компанией по исследованию ИИ Anthropic Лаборатория реактивного движения NASA (JPL) развернула визуально-языковую модель (vision-language model) для навигации по опасному марсианскому ландшафту. Этот тест, проведённый в конце 2025 года и подтверждённый NASA в начале 2026 года, демонстрирует огромный потенциал интеграции передовых AI-агентов в критические для миссии космические операции, фактически позволяя роботам «думать» и планировать свои пути через миллионы миль пустого пространства.
Переход к автономной навигации
В течение почти трёх десятилетий марсоходы на Марсе в значительной степени полагались на «водителей» на Земле. Из-за среднего расстояния в 140 миллионов миль (225 миллионов километров) между двумя планетами управление в реальном времени — или «джойстик» — невозможно. Сигналы идут минуты, поэтому марсоход мог бы съехать с обрыва прежде, чем оператор на Земле увидит опасность.
Традиционно люди-планировщики тщательно анализируют изображения местности, выявляют опасности и вручную прокладывают контрольные точки (waypoints). Эти точки обычно располагаются не более чем через 100 метров (330 футов) друг от друга для обеспечения безопасности. Хотя этот подход эффективен, он трудоёмок и ограничивает скорость, с которой марсоход может перемещаться по поверхности Марса.
Недавняя демонстрация с использованием Генеративный ИИ меняет эту парадигму. Вместо того чтобы ждать человеческой инструкции для каждого сегмента пути, Perseverance воспользовался продвинутой моделью ИИ для анализа орбитальных изображений высокого разрешения и цифровых карт высот. ИИ выявлял геологические особенности — такие как материнская порода, выходы пород и опасные поля валунов — и автономно генерировал непрерывный маршрут, по которому марсоход следовал.
Как работает ИИ-пилот
Система использовала визуально-языковую модель, разработанную в партнёрстве с Anthropic, опираясь на их архитектуру ИИ Claude. Эта модель обрабатывала данные с камеры HiRISE (High Resolution Imaging Science Experiment) на борту Mars Reconnaissance Orbiter агентства NASA.
Процесс включал несколько ключевых этапов:
- Загрузка данных: ИИ анализировал орбитальные изображения и данные уклонов местности, чтобы понять ландшафт.
- Распознавание признаков: Он определял безопасные зоны и опасности, такие как песчаные волны или острые скалы.
- Генерация пути: Модель рассчитывала непрерывный маршрут с конкретными контрольными точками, фактически создавая «план полёта» для марсохода на поверхности.
Чтобы обеспечить безопасность многомиллиардного оборудования, инструкции ИИ не отправлялись вслепую. Инженеры JPL прогоняли сгенерированные команды движения через «цифрового двойника» (digital twin) — виртуальную копию марсохода Perseverance. Эта симуляция проверила более 500 000 телеметрических параметров, чтобы убедиться, что маршрут ИИ совместим с бортовым программным обеспечением и физическими возможностями марсохода.
Сравнительный анализ: планирование человеком против планирования ИИ
Ниже в таблице приведены ключевые отличия традиционного ручного подхода и новой методологии, управляемой ИИ:
| Feature | Traditional Human Planning | Generative AI Planning |
|---|---|---|
| Decision Maker | Human Rover Planners at JPL | Vision-Language AI Models |
| Data Source | Visual inspection of terrain images | High-res orbital data & elevation models |
| Waypoint Spacing | Typically < 100 meters | Continuous route generation (variable) |
| Speed/Efficiency | Limited by human analysis time | Potentially faster decision cycles |
| Primary Limitation | Labor-intensive, time-consuming | Requires rigorous validation (Digital Twin) |
Результаты на Красной планете
Полевые испытания этой технологии прошли в два конкретных марсианских суток, или «sol» (sols), в декабре 2025 года.
- Drive 1 (Dec. 8): Perseverance проехал 210 метров (689 футов), используя контрольные точки, полностью определённые ИИ.
- Drive 2 (Dec. 10): Марсоход преодолел впечатляющие 246 метров (807 футов).
Ванди Верма, специалист по космической робототехнике в JPL и член инженерной команды Perseverance, отметила успех эксперимента. Она подчеркнула, что основы генеративного ИИ показали «большой потенциал» в оптимизации ключевых столпов автономной навигации: восприятия, локализации и планирования. Позволив ИИ выполнять «тяжёлую работу» по прокладке маршрутов, человеческие операторы могут сосредоточиться на научных задачах более высокого уровня.
Будущее освоения дальнего космоса
Этот прорыв важен не только для экономии времени инженеров на Земле; он является критически важным этапом для будущего космических исследований. По мере того как человечество продвигается дальше в космос, задержки связи будут только расти. Миссии к внешним планетам или даже на обратную сторону Луны требуют систем, которые могут длительное время работать независимо.
Администратор NASA Jared Isaacman похвалил демонстрацию, заявив, что такие автономные технологии необходимы для эффективной работы и реагирования на сложную местность по мере увеличения расстояния от Земли.
Обеспечение постоянного присутствия
Мэтт Уоллес, менеджер Отдела исследовательских систем JPL, подчеркнул более широкие последствия для расселения людей. «Представьте интеллектуальные системы не только на Земле, но и в периферийных приложениях наших марсоходов, вертолётов, дронов и других элементов на поверхности», — сказал Уоллес. Он рассматривает эту «коллективную мудрость», внедрённую в агенты ИИ, как переломную технологию, необходимую для создания инфраструктуры для постоянного присутствия человека на Луне и для будущих пилотируемых миссий на Марс.
По мере того как область космических исследований развивается, интеграция надёжных моделей ИИ, таких как Claude, в бортовое оборудование представляет собой поворотный момент. Это указывает на будущее, в котором наши роботизированные исследователи — не просто дистанционно управляемые инструменты, а интеллектуальные партнёры, способные вместе с нами ориентироваться среди звёзд.
