文章重點
- NASA毅力號（Perseverance）火星車首次完全由AI規劃行駛路線，無需地球操作員逐步指令
- AI導航系統將每日行駛距離提升至原來的約3倍，大幅加速科學探索進度
- 使用強化學習訓練的路徑規劃模型，在模擬的百萬公里火星地形中學習最優路線
- 這項技術將直接應用於NASA未來的月球和火星載人任務的無人先遣車輛
- 標誌著AI從地球自動駕駛擴展到「行星際自動駕駛」的里程碑
火星上的自動駕駛
地球上，自動駕駛技術正在城市街道上與人類司機共享道路。而在5,500萬公里之外的火星上，AI剛剛創造了一個更加驚人的成就：NASA的毅力號火星車完成了首次完全由AI規劃的行駛任務。
與地球自動駕駛不同的是，火星上的AI導航面臨一個獨特的挑戰：通信延遲。從地球發送的信號需要4至24分鐘才能到達火星（取決於兩顆行星的相對位置），這意味著人類操作員無法進行即時控制。
從「逐步指令」到「自主探索」
過去，火星車的行駛依賴一個繁瑣的流程：地球上的操作團隊分析火星車傳回的影像，手動規劃一段安全路線，然後將指令傳送到火星。由於通信延遲和安全考量，火星車每天只能行駛很短的距離。
新的AI導航系統徹底改變了這一模式。AI能夠自主分析火星車的感測器數據，識別岩石、坡度、沙地等障礙物，並即時規劃最優路線。這使得每日行駛距離提升至原來的約3倍。
強化學習的太空應用
毅力號的AI導航系統核心是一個使用強化學習（Reinforcement Learning）訓練的路徑規劃模型。NASA的噴射推進實驗室（JPL）在模擬環境中生成了覆蓋數百萬公里的虛擬火星地形，讓AI代理在其中反覆練習導航。
為什麼選擇強化學習？
火星地表的環境高度不確定——光照條件、沙塵暴、未知地形特徵等因素使得基於規則的傳統導航系統難以應對所有情況。強化學習讓AI通過反覆試錯來學習在各種條件下的最佳行為策略，這種適應性正是火星導航所需要的。
對未來太空探索的意義
這項技術的意義遠超毅力號本身。NASA正在開發的Artemis月球任務和未來的火星載人任務都將依賴無人先遣車輛來探勘著陸地點和建設基礎設施。這些車輛需要在人類到達之前獨立工作數月甚至數年，全自主AI導航是不可或缺的能力。
SpaceX/xAI合併後提出的「太空數據中心」願景，以及NVIDIA的Alpamayo自動駕駛平台的太空應用潛力，都指向一個共同的方向：AI將成為人類探索太空的先行者。