吳明宜美國國家航空暨太空總署 (NASA) 科學家去年首度導入以人工智慧 (AI) 規劃太空探測路徑，指導火星表面探測任務。
過去太空任務皆由地球上的科學家撰寫指令，發送並指揮地球軌道、月球、火星或是飛向其他星球的無人探測器。為了指示 NASA 的火星探測車行進，科學家以前一日拍攝到的地表影像及其他資料規劃下一段路線。然而，傳統方式受限於訊號來回傳遞的時間延遲，以火星而言，訊號單趟就有 20 分鐘的旅程。科學家撰寫好路徑及指令並送上火星後，需等待回傳訊號確認火星探測車「毅力號」(Perseverance) 的執行結果，並根據其回傳資料分析規劃下一次路徑。這使得每次任務不僅嚴重分割，也耗費研究人員大量時間進行分析。
為了減輕人力分析及規劃負擔，NASA 噴射推進實驗室 (Jet Propulsion Laboratory, JPL) 去年在毅力號探測路徑規劃中，導入 Anthropic 的 Claude 視覺語言模型 (Vision-Language Action, VLA) 。研究小組將太空總署 HiRISE（高解析度影像科學實驗）相機拍攝的高解析度影像，以及數位高度模型 (Digital Elevation Model) 的地形坡度資料輸入 Claude 模型。 Claude 在辨識火星表面特徵（如基岩、露頭、巨石場、沙波紋等）後，隨即生成一條連續路徑，並附帶航點 (Waypoint) 與指令。研究人員只需對 AI 生成的路徑進行檢查與調整。
為確保 AI 指令和探測車的軟體相容性，研究小組利用 JPL 的數位孿生系統處理指令，驗證超過 50 萬項遙測變數後再送往火星。 Claude 分別於 12 月 8 日與 12 日，為任務規劃了 210 公尺與 246 公尺的路徑。
研究人員估計，新做法可節省一半的路徑規劃時間。工程小組成員暨太空機械專家 Vandi Verma 指出，生成式 AI 的基本要素，包括感知、定位、規劃與控制，在簡化自主導航上展現極大潛力。生成式 AI 與其他智慧工具將幫助探測車行駛數公里，減少操作人員工作，並透過掃描大量探測影像，為研究團隊標示具科學價值的地表特徵。