在距離地球平均 2.25 億公里的紅土地上，一場無聲的科技革命剛剛完成了它的首次路試。NASA 的毅力號（Perseverance）探測器，這台在火星執行任務的六輪機器科學家，成功完成了首次完全由人工智慧（AI）規劃的駕駛任務。這項由噴射推進實驗室（JPL）主導的實驗，標誌著人類探索地外行星的方式進入了「自動駕駛」的新紀元。過去，火星車的每一寸移動都需依賴地球端的工程師精準計算，而現在，這份責任正逐漸移交給能夠理解視覺影像與語言邏輯的生成式 AI 模型。
在火星上開車從來不是一件容易的事。由於地球與火星之間的通訊延遲極其嚴重，信號往返往往需要數十分鐘，這使得科學家無法像玩賽車遊戲一樣即時透過搖桿控制火星車。在過去的 28 年裡，導航任務是由人類「路徑規劃員」分析地形影像，小心翼翼地標註路徑點（Waypoints）。為了避開致命的沙坑、尖銳的岩石或陡坡，這些路徑點通常間隔不到 100 公尺。然而，隨著探索範圍的擴大，這種高度依賴人力的方式已成為效率的瓶頸。為了解決這個問題，NASA 與 Anthropic 公司合作，導入了 Claude 生成式視覺語言模型，讓 AI 學習像人類專家一樣「閱讀」地形。
| 比較項目 | 傳統人類規劃方式 | 生成式 AI 規劃方式 |
|---|---|---|
| 地形分析 | 由地面工程師手動標記危險區域 | AI 自動識別基岩、沙丘與巨石陣 |
| 規劃時間 | 需數小時甚至數天進行多方會議 | 由模型快速生成連續路徑與多個航點 |
| 導航距離 | 通常單次短距離移動以保安全 | 可實現公里級長距離自主巡航潛力 |
| 驗證機制 | 人工模擬與同儕審核 | 數位分身自動驗證 50 萬項遙測變數 |
在 2025 年 12 月的這次指標性測試中，AI 模型分析了來自火星勘測軌道衛星（MRO）的高解析度影像與地形高度數據。它不僅識別出了地表的危險特徵，還精確地在任務的「第 1707 與 1709 個火星日」分別規劃了長達 210 公尺與 246 公尺的行駛路線。為了確保安全，JPL 的工程師在將命令傳送至火星前，先在地球上的「數位分身」（火星車虛擬複製品）中跑了超過 50 萬次變數驗證。這種結合生成式 AI 的創造力與數位分身的嚴謹性的做法，大幅降低了人為疏失的可能性，也讓火星車能應對更為複雜的未知地形。
這項技術的成功，不僅是為了讓毅力號跑得更快，更是為了未來的深空探索奠定基礎。NASA 署長賈里德·艾薩克曼指出，隨著人類將目標轉向月球甚至更遙遠的星球，通訊延遲將變得更加巨大。未來的探測器、無人機甚至月球基地系統，都將搭載這種具備「邊緣計算」能力的 AI 系統。它們將繼承無數工程師與航太員的集體智慧，在沒有地球支援的情況下自主做出決策。當 AI 能夠像專家一樣感知環境、定位座標並執行路徑時，人類離在另一個星球上建立永久棲息地的夢想，又更近了一大步。
▲ 這段動畫是利用毅力號（Perseverance）於 2025 年 12 月 10 日在耶澤羅撞擊坑（Jezero Crater）邊緣行駛時所取得的數據製作而成。淺藍色線條描繪了探測車車輪行經的軌跡；從探測車前方蜿蜒伸出的黑色線條，則顯示了它正在考慮的路徑選項。白色地形是根據探測車數據生成的高度圖（height map）。在動畫接近尾聲時出現的藍色圓圈，則是一個航點（waypoint）。（提供：NASA/JPL-Caltech）
▲ 這張標註過的軌道影像顯示了「毅力號」（Perseverance）火星車於 2025 年 12 月 10 日在耶澤羅撞擊坑（Jezero Crater）行駛期間，由 AI 規劃（以洋紅色表示）與實際行走（橘色表示）的路線。這次行駛是兩次技術演示中的第二次，旨在展示生成式人工智慧（Generative AI）可以被整合應用於火星車的路線規劃中。（圖片來源：NASA/JPL-Caltech/UofA）
✎ 參考資料 · References
《上一篇》20260130 NGC 7722 的塵埃之舞 
留言區 / Comments
萌芽論壇