摘要： NASA JPL 於 2026 年 1 月 30 日宣布，Perseverance 完成首次全程由 AI 規劃的火星駕駛，兩趟合計 456 公尺。Claude 視覺語言模型從軌道影像產生路徑，指令先通過 JPL 數位分身檢驗，再由火星車自主導航執行。這次驗收把 AI 規劃從展示推向高延遲、高風險任務的可用參考架構。
Perseverance 火星車在另一個星球上再創紀錄,而這次的功勞屬於 AI:NASA 噴射推進實驗室(JPL)於 2026 年 1 月 30 日宣布,火星車完成了首次全程交由 AI 規劃的駕駛。兩趟行駛落在 2025 年 12 月 8 日與 12 月 10 日,相當於任務的第 1,707 與 1,709 個 sol,合計走了 456 公尺;畫出這些路線的,不是任務規劃人員,而是視覺語言模型——它讀完軌道影像後自行生成路徑。計畫由 JPL 主導,Anthropic 參與合作,使用的是該公司的 Claude 模型。
對開發者來說,值得注意的並非「AI 上火星」的話題性,而是這套 AI 規劃流程已在通訊延遲極大、出錯代價高昂的環境中完成完整驗收:感知資料流入,輸出結構化行動方案,過程由高保真模擬預先把關,最後交給執行端自主跑完。
把軌道影像變成路點
整條流程分層運作。視覺語言模型的輸入,是火星勘測軌道器 HiRISE 相機拍攝的軌道影像,並疊上由數值高程模型推算的坡度資料;模型從中辨認基岩、露頭、巨礫場與沙漣等地形特徵,接著產出一條由起點通往目標、沿途標註路點(waypoint)的連續路徑。它讀的影像與任務規劃人員使用的完全相同,改變的是誰先出手:過去由工程師看圖選路,現在則由模型先提方案,人類只在意義重大的決策上審核把關。ScienceDaily 的報導另外提到,這些模型曾以 JPL 累積數十年的表面任務資料集加以檢驗。
兩趟行駛,先過數位分身這一關
兩趟駕駛的指令在上傳前,都得先接受 JPL「數位分身」(digital twin)的檢驗——那是一套會核對超過 50 萬個遙測變數的火星車模擬;等到模擬點頭,指令才經由深空網路(Deep Space Network)送往火星車。12 月 8 日走了 210 公尺(689 英尺),12 月 10 日走了 246 公尺(807 英尺),行駛全程由 Perseverance 的自動導航軟體負責,地面團隊幾乎不必介入。NASA 局長 Jared Isaacman 稱這項工作是「對 roverspace 的開創性貢獻」,並表示這類自主能力正以近乎即時的速度,持續帶來火星的新見解。
讓 AI 接手選路的理由
答案得從物理條件說起。地球與火星平均相隔約 1.4 億英里(2.25 億公里),訊號延遲使即時遙控無從做起;傳統做法只好把路點間距壓在約 100 公尺(330 英尺)以內,一小段一小段派工,規劃負擔始終沈重。JPL 太空機器人學家 Vandi Verma 講得直白:火星上面對的地形愈具挑戰,AI 規劃路線的價值就愈高。把重複性的路線工程交給模型,人類工程師才能騰出時間處理科學決策。
Claude 進了任務操作中心
這次展示還有一個罕見之處:國家級太空任務直接把商業前沿模型納入正式運作。工作由 JPL 的火星車操作中心(Rover Operations Center)統籌,與 Anthropic 協作、採用 Claude 系列模型——開發者在 API 呼叫裡寫程式的同一個模型家族,同時也在 1.4 億英里外替火星車安排路線。對 Anthropic 來說,這是 Claude 在極端可靠性要求下接受的一次公開檢驗;對 NASA 來說,把商業模型接進任務關鍵流程的路,已經被證明走得通。
後續規劃:公里級行程與車上運算
JPL 為這條技術線排定了幾個方向:單次駕駛推進到公里級、由 AI 主動點出值得停下研究的表面特徵,以及把這類模型放進車載邊緣環境——未來的探測車、直升機與無人機可望在本地完成規劃,不必再等地面回傳。對地球上的產品與基礎設施團隊而言,這是一套在最嚴苛環境中驗收過的參考架構:先用高保真模擬把風險查遍,再讓自主系統實際上場。AI 規劃已從 demo 跨進生產階段,而火星正是當前最難的生產環境。