آزمایشگاه پیشرانش جت NASA از مدل هوش مصنوعی Claude شرکت Anthropic خواست مسیر کوتاهی را برای مریخ‌نورد Perseverance طراحی کند. مریخ‌نورد در Dec 8 و Dec 10 2025 دستورها را دریافت کرد و با موفقیت مسیری سنگلاخی به طول 400 متر را پیمود. تا پیش از این، مهندسان تمام نقاط مسیر را دستی مشخص می‌کردند.
Claude چطور به مریخ‌نورد کمک کرد
مهندسان تصاویر زمین و داده‌های چندین سال رانندگی مریخ‌نورد را در اختیار Claude گذاشتند. Claude با استفاده از توانایی‌های برنامه‌نویسی‌اش، دستورها را به زبان Rover Markup Language نوشت؛ زبانی مبتنی بر XML که برای مریخ‌نوردها به کار می‌رود. این مدل مسیر را به بخش‌های ده‌متری تقسیم کرد، نقاط مسیر را بهبود داد و شبیه‌سازی‌ای اجرا کرد که بیش از 500,000 متغیر را برای شناسایی خطرها بررسی می‌کند. کارکنان JPL پس از بازبینی طرح، فقط تغییرات جزئی در آن دادند.
این کار برای مأموریت‌های آینده چه معنایی دارد
برآورد گروه این است که Claude زمان لازم برای برنامه‌ریزی مسیر را نصف کرده است. برنامه‌ریزی سریع‌تر و منسجم‌تر به اپراتورها امکان می‌دهد حرکت‌های بیشتری را زمان‌بندی کنند و داده‌های علمی بیشتری جمع‌آوری کنند. NASA این رویکرد را برای مأموریت‌های آینده به ماه و کاوشگرهایی که بسیار دورتر از مریخ سفر خواهند کرد نیز کاربردی می‌داند؛ جاهایی که تأخیر ارتباطی حتی بیشتر است.
چرا مهم است
برای عموم مردم، برنامه‌ریزی با کمک هوش مصنوعی به این معناست که مریخ‌نوردهای آینده می‌توانند سریع‌تر مساحت بیشتری را کاوش کنند و بدون انتظار طولانی برای دریافت نظر انسان، داده‌های علمی بیشتری به دست آورند. این کار همچنین نشان می‌دهد هوش مصنوعی چگونه می‌تواند به مدیریت تأخیرهای طولانی ارتباطی در مأموریت‌های ماه، Europa یا Titan کمک کند.
