NASA 成功使用大型语言模型 Claude 为“毅力号”火星车规划行进路线，并在火星上完成了一次自动驾驶测试。这项技术通过分析大量数据来生成路径，再由工程师进行少量的人工审核与调整。其主要目的是大幅缩短路径规划时间，从而提高探测效率，让科学家能收集更多关于火星的数据，尤其是在面临人力与预算压力时，AI 成为提升任务能力的关键工具。
传统路径规划的挑战
为火星车规划路线是一项极其谨慎和繁琐的工作。即使是人类操作员，也必须小心翼翼，因为每一个决策都至关重要。
- 潜在风险：任何一次驾驶都需要周密计划，以防探测器发生侧滑、倾翻、车轮空转或陷入困境。
- 手动规划：自“毅力号”登陆以来，操作员一直依赖一种被称为“面包屑小径”的方法。他们结合太空图像和火星车自带的相机照片，费力地手动设定每一个路标。
这个过程非常耗时，限制了探测任务的频率和效率。
人工智能的解决方案
为了让 Claude 能够胜任这项工作，NASA 的工程师采取了严谨的步骤，而不是简单地输入一个指令。
首先，NASA 向 Claude 提供了多年积累的火星车 contextual data，让模型能够理解火星环境和驾驶的复杂性。随后，Claude 开始有条不紊地生成路径，将路线分解为十米长的片段，并对每个片段进行自我评估和迭代。
在将指令发送给火星车之前，NASA 喷气推进实验室 (JPL) 的工程师在日常使用的模拟器中对 Claude 生成的路线进行了双重检查。最终，他们只对 Claude 的路线做了“微小的改动”，其中一次调整是因为团队看到了 Claude 在规划过程中未曾见过的地面图像。
效率提升与未来展望
这次成功的测试标志着 AI 在太空探索中应用的一个重要里程碑。工程师们估计，使用 Claude 将带来显著的效益。
- 时间减半：预计能将路径规划的时间减少一半。
- 提高效率：使火星车的行程更加连贯和高效。
- 更多科学数据：操作员可以将节省下来的时间用于安排更多的驾驶任务，从而收集更多科学数据并进行深入分析。
“减少花在繁琐手动规划上的时间……意味着，简而言之，我们将更多地了解火星。”
在 NASA 面临人员流失和预算压力的背景下，任何能够提高科学家工作效率的工具都至关重要。AI 技术的应用，正是在这种背景下为提升火星探测能力提供了关键支持。