歷史性的跨越：人工智慧在紅色星球上掌舵

在太空探索與人工智慧領域的一個分水嶺時刻，NASA 成功演示了首次完全由生成式 AI 規劃的火星自主行駛。這項由噴氣推進實驗室 (JPL) 策劃的突破性成就，標誌著人類探索太陽系方式的轉型。透過將複雜的路徑規劃任務委託給具備視覺能力的 AI 模型，NASA 不僅提升了毅力號 (Perseverance rover) 的運作效率，還為未來前往月球、火星及更遠地區的機器人任務奠定了基礎架構。

這次里程碑式的行駛於 2025 年 12 月進行，並於本週公佈。在此期間，Perseverance rover 在沒有地球人類工程師傳統直接繪製路徑點的情況下，穿越了危險的火星地形。取而代之的是，該探測器利用了一套與 Anthropic 合作開發、由 Claude AI 模型驅動的尖端 AI 系統，來分析軌道影像、識別危害，並在耶澤羅撞擊坑 (Jezero Crater) 規劃安全路徑。

長途跋涉背後的技術

這項成就的核心在於將先進的 Generative AI 與視覺語言模型整合到任務運作中。數十年來，探測器的導航一直是一個細緻且耗費人力的過程。人類規劃者會花費數小時分析從火星傳回的地形數據，識別每一個可能對車輪或懸吊系統構成威脅的岩石和沙紋。由於地球與火星之間存在顯著的通訊延遲（單程 4 到 24 分鐘不等），即時搖桿控制是不可能的，因此必須進行這些預先規劃的指令。

新系統從根本上改變了這一動態。透過利用大規模視覺模型，AI 可以處理由火星勘測軌道飛行器 (Mars Reconnaissance Orbiter) 搭載的 HiRISE 相機拍攝的高解析度軌道圖像。它將這些視覺數據與數位高程模型相結合，能像地質學家一樣「看見」景觀，但具備即時處理龐大數據集的計算速度。

演示的關鍵技術能力：

• 危害識別： AI 成功檢測到了地質障礙，如基岩露頭、礫石地和危險的沙紋。
• 路徑優化： 它生成了帶有特定路徑點的連續行駛路徑，確保探測器在避開危險的同時，保持朝向科學目標的高效路線。
• 遙測驗證： 在執行之前，AI 的飛行計劃在「數位孿生」（探測器的虛擬副本）中經過了嚴格測試，檢查了超過 500,000 個遙測變數以確保安全。

從虛擬規劃到火星現實

從理論能力到運作現實的轉變發生在 2025 年底的兩個特定火星日（或稱 "sols"）。12 月 8 日，毅力號完全根據 AI 生成的計劃執行了 689 英尺（210 公尺）的行駛。僅僅兩天後，它又完成了第二次更長的跋涉，距離達 807 英尺（246 公尺）。

這些距離具有重要意義。在過去，人類規劃的行駛往往受限於工程師評估地形所需的時間。AI 快速整合數據的能力允許進行更長、更具雄心的橫越。隨著探測器進入科學目標密度更高、需要頻繁且精確機動的更複雜區域，這種能力尤為重要。

與 Anthropic 的合作突顯了老牌航太巨頭與 AI 領域領導者之間日益增長的合作趨勢。使用 Claude AI 模型來解讀複雜的視覺數據，展示了當前 Computer Vision 技術的多功能性，將其從自動駕駛汽車等陸地應用推向了外星環境的獨特挑戰。

營運比較：人類與人工智慧

為了理解這次轉變的程度，將傳統工作流程與這種新型 AI 支援的方法進行比較會很有幫助。下表概述了規劃方法論的主要差異。

表 1：探測器路徑規劃的演進

重新定義太空探索的未來

這些行駛的成功對於 NASA 未來的火星探索計畫以及整體的太空旅行具有深遠影響。JPL 傑出的太空機器人專家、毅力號工程團隊成員 Vandi Verma 強調，這僅僅是個開始。「生成式 AI 的基本元素在簡化行星外行駛的 Autonomous Navigation 支柱方面展現了巨大潛力：感知、定位、規劃與控制，」Verma 表示。

這項技術解決了行星科學中最關鍵的瓶頸之一：操作員的工作量。透過將常規導航任務卸載給智慧系統，人類科學家和工程師可以專注於高價值活動，例如分析地質樣本或尋找古代微生物生命的跡象。

此外，隨著任務進一步深入太陽系，前往木衛二 (Europa) 或土衛二 (Enceladus) 等目的地，通訊延遲將從分鐘增加到小時。在這種情況下，探測器做出自主決策的能力——感知環境並採取行動而無需等待地球指令——將成為任務成功與失敗的關鍵。

智慧機器人的新時代

NASA 署長 Jared Isaacman 讚揚這次演示是向前邁出的一大步。「像這樣的自主技術可以幫助任務更有效地運作，應對挑戰性地形，並隨著與地球距離的增加而提高科學回報，」Isaacman 指出。他的評論反映了該機構更廣泛的戰略，即將 AI 的「邊緣應用」直接整合到航太器、直升機和無人機中。

JPL 探索系統辦公室經理 Matt Wallace 設想了一個未來，NASA 工程師的集體智慧被嵌入到探索其他世界的 AI 代理中。這種「具身 AI」(embodied AI) 的概念——軟體不僅理解數據，還理解硬體的物理限制和科學目標——代表了 Perseverance Rover 及其後繼者的下一個前沿。

當我們展望在月球上建立永久人類存在以及最終載人火星任務的宏偉目標時，人類操作員與 AI 規劃者在這些行駛過程中所建立的信任是無價的。它證明了生成式模型可以在高風險、嚴酷的環境中可靠地運作，為新一代智慧探險家開啟了大門，他們將是我們探索宇宙過程中的夥伴，而不僅僅是工具。