毅力号完成AI规划火星行驶：自主导航进入在轨验证环节

NASA喷气推进实验室1月披露，火星车“毅力号”在2025年12月8日和10日完成两次由生成式人工智能参与规划的行驶测试。这两段行驶分别约210米和246米，合计约456米。其关键不在于让火星车脱离地面团队自由行驶，而在于将原本由任务规划人员完成的航点选择，交由视觉语言模型依据既有任务数据提出连续路线。

火星与地球之间的通信延迟使实时遥控并不可行。按NASA说明，任务团队通常先分析地形和车况，再以一系列航点安排当天路线，并通过深空通信网络把指令发送给火星车执行。此次测试中，模型分析了火星勘测轨道飞行器HiRISE相机的高分辨率轨道影像，以及数字高程模型提供的坡度数据；在识别基岩、露头、巨石区和沙纹等地形要素后，生成包含航点的连续路径。

路线生成结果并未直接交给火星车。NASA表示，喷气推进实验室团队先将指令放入“毅力号”的数字孪生环境，对超过50万项遥测变量进行核对，再把经过验证的命令发送至火星。火星车仍依靠既有飞行软件执行，并在行驶过程中处理局部障碍。NASA与Anthropic合作使用Claude模型参与路线规划；Space.com对任务说明的报道也确认，试验输入数据与人工规划人员日常使用的影像和地形资料一致。

这次演示更准确地说，是将生成式AI接入高约束机器人任务的规划环节，而非由通用模型接管整套车辆控制。规划、仿真验证、指令上传和飞行软件执行仍是相互分离的环节。模型输出必须满足航点格式、地形限制和任务软件约束，数字孪生则在真实硬件执行前承担发现冲突的作用。这样的流程也让任务团队能够追溯路线避开特定区域的原因，而非仅以一次完成行驶来判断系统能力。

2月，NASA又披露“毅力号”投入使用一套名为Mars Global Localization的自主定位能力。该算法将导航相机拍摄的全景图与机载轨道地形图比对，可在约两分钟内把定位精度收敛至约25厘米；NASA称其已在2月2日和16日用于常规任务运行。这一能力解决的是火星车长距离行驶中的累计定位误差，与1月的AI路线规划试验并非同一功能，但两者衔接后，可减少长路线中等待地面人员重新确认位置的次数。

现有公开材料能够确认的是，生成式AI已完成两段火星行驶的航点规划演示，相关指令经过数字孪生验证；自主定位算法也已进入“毅力号”的常规运行。材料没有披露该模型在所有火星地形和任务模式下的适用范围，也没有说明其将替代多少地面规划工作。后续任务若扩大路线长度、地形复杂度或自主决策范围，仍须通过可验证的工程流程界定系统边界。

在轨规划验证如何传导至移动机器人能力建设

“毅力号”的测试将生成式AI放入数据来源明确、执行后果明确、验证链条严格的移动机器人工作流：模型从影像和地形信息中形成候选航点，数字孪生和飞行软件再把候选结果转换为可执行指令。这种分层结构提升了自动化设备对传感器融合、路径规划、仿真测试和故障隔离能力的需求。对于在矿区、港口、仓储或野外环境移动的机器人系统，路线生成与执行验证同样需要拆分管理，设备厂商的产品竞争也会更多体现为软硬件协同和可追溯性。

对AI模型服务而言，该案例提供的是高约束环境下的工程应用样本，而非直接的商业订单信号。模型进入实际机器人流程后，需要与任务数据、仿真平台和控制软件建立固定接口，服务价值由路线规划效率、验证成本和系统可靠性共同决定。火星任务的验证条件具有特殊性，不能直接外推至通用商用机器人；但这一案例明确了生成式AI在复杂物理环境中可承担的一个位置：先提出可检验的规划结果，再进入独立的安全与执行链条。由此产生的需求首先集中在模型与任务数据的适配、仿真验证和控制软件集成，而非单一模型能力本身。

新闻热点内容来源于媒体公开报道。文章分析仅代表个人观点，不构成投资建议。