NASA“毅力号”火星车近日完成一次具有里程碑意义的行驶测试：其行驶路线并非由地球上的任务团队逐段手工绘制，而是由生成式人工智能模型在给定地形数据与约束条件后生成。NASA表示，这次测试标志着深空任务运行方式出现变化——人工智能从辅助数据分析的工具，进一步进入到任务规划环节，为火星车“下一步去向”提供方案。

此次试验发生在“毅力号”达到象征性“马拉松”里程碑之后。NASA此前更新称，火星车已在火星表面累计行驶超过经典马拉松距离，且状态良好，预计将继续向杰泽罗陨石坑外的古河床沉积物区域推进。在此背景下，任务团队开始评估在不降低安全性的前提下，自动化规划能力能够延伸到何种程度。

生成式模型参与路线设计

在杰泽罗陨石坑的大部分任务阶段，“毅力号”的行驶方式与早期火星车类似：由地球上的规划人员基于轨道与地面影像制定详细路径，并以每日指令形式发送至火星车执行。NASA称，在任务第1707、1709号火星日，团队将部分路线设计工作交由生成式模型完成。

据NASA官方社交媒体更新，此次测试使用了由Anthropic开发并为任务适配的Claude系统。工程师向模型提供火星车周边的数字高程地图以及一组导航约束条件，由模型生成一组兼顾安全与效率的路径点。“毅力号”随后在地面执行该方案，完成一段约400米、穿越陨石坑不平坦地形的行驶。

NASA强调，这并非让火星车“自由行驶”。工程师仍会对模型给出的路线进行检查与验证，而火星车车载导航系统在执行过程中也会依靠自身传感器进行即时避障。

NASA称为火星车“首次人工智能规划行驶”

NASA将此次行动描述为“毅力号在火星上的首次人工智能规划行驶”。任务记录显示，生成式模型端到端提出整段路线的路径点方案，团队有意减少以往由人类逐步绘制每个转弯的工作量，以检验在复杂地形中由模型承担路线设计“认知负担”的可行性。

任务日志同时指出，安全控制仍由人类与既有自动驾驶能力共同承担：语言模型主要负责战略层面的路线选择，即“去哪里”；火星车车载系统负责战术层面的执行，即“如何绕过巨石、避开沙坑”等即时决策。

轨道影像与数字高程模型为规划提供基础

为使模型具备规划能力，NASA提供的不仅是静态图像，还包括基于轨道影像构建的数字高程模型数据，用于三维推理坡度、山脊与潜在沙坑等风险区域。NASA称，规划人员利用这些高程数据帮助模型识别可安全通行区域，以及可能导致倾覆或陷车的地形。

NASA还提到，高分辨率成像科学实验（HiRISE）相机持续跟踪“毅力号”进展，并为高程地图提供原始数据。相关带注释图像展示了任务团队如何将火星车行驶路径叠加在陨石坑地形模型上，用于可视化此次由人工智能协助生成的路线。

从受控试验走向日常工具链

喷气推进实验室（JPL）工程师在任务简报中介绍，团队使用Anthropic模型生成候选路线，并将其纳入日常规划工具流程。测试报告称，图像数据与危险地图与模型建议结合后，有助于火星车穿越以往由人工绘制路径较为繁琐的巨石区。

外部报道也指出，此次试验并未削弱人类对任务的控制权：工程师仍掌握最终决策，并对模型输出进行调试与验证。有报道援引相关总结称，生成式模型在该场景中体现为增强工具，而非替代火星车驾驶与规划人员。

NASA表示，随着任务目标指向更远区域，通信延迟将使实时操控更不现实，能够在本地生成并修订计划的系统可能改变未来任务探索遥远世界的方式。此次在“毅力号”平台上的测试，被视为为后续更复杂路线与任务流程积累经验。