اولین رانندگی برنامهریزیشده توسط AI در سیارهای دیگر
در ۸ و ۱۰ دسامبر ۲۰۲۵، دستوراتی که به مریخنورد Perseverance ناسا ارسال شدند برای اولین بار توسط یک هوش مصنوعی نوشته شده بودند. Claude از Anthropic رانندگی را برنامهریزی کرد.
مهندسان در آزمایشگاه پیشرانش جت ناسا (JPL) از Claude برای ترسیم مسیر Perseverance جهت عبور از یک مسیر ۴۰۰ متری از میان میدان سنگی در سطح مریخ استفاده کردند. چهارصد متر یک دور پیست دو و میدانی است، اما نشاندهنده شروعی تاریخی برای هوش مصنوعی در اکتشاف فضایی است.
چالش رانندگی در مریخ
اکتشاف مریخ به معنای عملکرد همیشگی در گذشته است. حدود بیست دقیقه طول میکشد تا سیگنال از زمین به مریخنورد برسد. تا زمان رسیدن دستور جدید، مریخنورد قبلاً بر اساس دستور قبلی عمل کرده است.
هر رانندگی مریخنورد باید با دقت برنامهریزی شود تا از لغزیدن، واژگونی، چرخش بیحاصل چرخها یا گیر کردن ماشین جلوگیری شود. اپراتورهای انسانی بهطور سنتی نقاط مسیر را با استفاده از تصاویر گرفتهشده از فضا و دوربینهای مریخنورد ترسیم میکردند. سپس طرح از طریق شبکه فضای عمیق در فاصله ۳۶۲ میلیون کیلومتر ارسال میشود.
این کاری با ریسک بالا است. در سال ۲۰۰۹، مریخنورد Spirit در تله شنی گیر کرد و دیگر هرگز حرکت نکرد.
Claude چگونه مسیر مریخنورد را برنامهریزی کرد
مهندسان JPL آزمایش کردند که آیا Claude میتواند با همان دقت اپراتور انسانی به برنامهریزی مسیر Perseverance کمک کند. فرآیند در Claude Code راهاندازی شد که محیط کدنویسی عاملی را برای این کار فراهم کرد:
| مرحله | توضیحات |
|---|---|
| بارگذاری زمینه | سالها داده و تجربه رانندگی مریخنورد به Claude Code ارائه شد |
| تحلیل تصویر | قابلیتهای بینایی Claude تصاویر مداری بالاسری را تحلیل کرد |
| برنامهریزی مسیر | نقاط مسیر در بخشهای ۱۰ متری در طول مسیر رسم شدند |
| تولید کد | دستورات به زبان Rover Markup Language (مبتنی بر XML) نوشته شدند |
| خودانتقادی | Claude روی کار خود تکرار کرد و اصلاحاتی پیشنهاد داد |
| اعتبارسنجی | بیش از ۵۰۰٫۰۰۰ متغیر در شبیهسازی مدلسازی شدند تا ایمنی تأیید شود |
| بررسی انسانی | مهندسان JPL بررسی کردند و فقط تنظیمات جزئی انجام دادند |
مهندسان JPL سالها داده و تجربه رانندگی را جمعآوری کردند و سپس آن را در Claude Code بارگذاری کردند. با این زمینه، Claude دستورات ناوبری را به زبان Rover Markup Language، زبان مبتنی بر XML که ابتدا برای مأموریت Mars Exploration Rover توسعه یافته بود، نوشت.
اعتبارسنجی و نتایج
وقتی مهندسان JPL طرحهای Claude را بررسی کردند، تنها تغییرات جزئی نیاز بود. بهعنوان مثال، تصاویر دوربین سطح زمین دید واضحتری از امواج شنی ارائه دادند که Claude ندیده بود و نیاز به تقسیم دقیقتر مسیر در یک راهرو باریک داشت. در غیر این صورت، مسیر به خوبی پابرجا ماند.
طرحها به مریخ ارسال شدند و مریخنورد با موفقیت مسیر برنامهریزیشده را طی کرد. مهندسان تخمین میزنند که استفاده از Claude زمان برنامهریزی مسیر را نصف خواهد کرد.
معنای ناوبری AI مریخ برای آینده
نقش Claude در مأموریت Perseverance یک آزمایش مقدماتی برای آینده است. قابلیتهای کلیدی — درک موقعیتهای جدید، نوشتن کد برای ابزارهای پیچیده و تصمیمگیری بدون ورودی مداوم انسانی — مستقیماً به مأموریتهای طولانیتر و بلندپروازانهتر قابل اعمال هستند.
کاربردهای آینده فضایی AI
- کمپین Artemis: ناسا قصد دارد انسانها را به ماه بازگرداند و پایگاهی در قطب جنوب ماه تأسیس کند
- عملیات ماه: هوش مصنوعی میتواند در نقشهبرداری زمینشناسی و نظارت بر سیستمهای حمایت حیات کمک کند
- کاوشگرهای فضای عمیق: هوش مصنوعی خودمختار میتواند به اکتشاف بخشهای دور منظومه شمسی کمک کند جایی که تأخیر سیگنال به ساعتها میرسد
- جهانهای اقیانوسی: کاوشگرهای آینده ممکن است از قمرهایی مانند اروپا یا تیتان بازدید کنند و از پوستههای یخی عبور کرده مسیرها را در اقیانوسهای زیرسطحی ترسیم کنند
همان مدل هوش مصنوعی که توسعهدهندگان برای نوشتن کد و اسکن آسیبپذیریها استفاده میکنند، اکنون به بشریت در اکتشاف جهانهای دیگر کمک میکند.
منبع اصلی
https://www.anthropic.com/marsسوالات متداول
Claude AI در مریخ چه کاری انجام داد؟
Claude چگونه رانندگی مریخنورد را برنامهریزی میکند؟
آیا مسیر برنامهریزیشده توسط AI برای مریخنورد ایمن بود؟
برنامهریزی مسیر AI چقدر در زمان صرفهجویی میکند؟
بهروز بمانید
آخرین اخبار هوش مصنوعی را در ایمیل خود دریافت کنید.