自2021年以来,NASA的毅力号火星车已经取得了许多历史性的里程碑,包括传回了第一批来自火星的音频录音。如今,在降落红色星球近五年后,它刚刚实现了另一个壮举。去年12月,毅力号成功完成了由Anthropic的Claude聊天机器人规划的路线,穿越了耶泽罗陨石坑的一段区域,这标志着NASA首次使用大语言模型来驾驶这台汽车大小的机器人。
在12月8日至10日期间,毅力号在Claude规划的路线指引下,行驶了大约400米(约437码),穿越了火星表面的岩石区域。正如你可能想象的那样,使用AI模型为毅力号规划路线并不像输入一个简单的指令那样简单。
正如NASA解释的那样,即使对人类来说,为毅力号规划路线也不是一件容易的事。"每一次火星车的行驶都需要仔细规划,以免机器滑倒、倾斜、轮子打滑或搁浅,"NASA说。"因此,自火星车着陆以来,其人类操作员一直在费力地制定路径点——他们称之为'面包屑路径'——供其遵循,使用的是太空拍摄的图像和火星车车载摄像头的组合。"
为了让Claude完成这项任务,NASA必须首先向Anthropic的编程智能体Claude Code提供火星车"多年来"的上下文数据,然后模型才能开始为毅力号编写路线。Claude然后有条不紊地进行映射过程,将十米段的路径点串联起来,后来对其进行了批评和迭代。
考虑到这是NASA,该机构喷气推进实验室(JPL)的工程师在将命令发送到毅力号之前,确保仔细检查了模型的工作。JPL团队通过他们每天使用的模拟程序运行Claude的路径点,以确认发送给火星车的命令的准确性。最终,NASA表示只需要对Claude的路线做"轻微修改",其中一个调整是由于团队可以获得Claude在规划过程中没有看到的地面图像。
"工程师估计,以这种方式使用Claude将把路线规划时间减半,并使行程更加一致,"NASA说。"花费在繁琐手动规划上的时间更少——培训时间也更少——允许火星车操作员安排更多的行驶,收集更多的科学数据,并进行更多的分析。简而言之,这意味着我们将对火星了解得更多。"
虽然AI提供的生产力提升往往被夸大了,但就NASA而言,任何能让其科学家提高效率的工具肯定会受到欢迎。去年夏天,由于特朗普政府的削减,该机构失去了大约4000名员工——占其劳动力的约20%。进入2026年,总统曾提议将该机构的科学预算削减近一半,但国会最终在1月初拒绝了这一计划。尽管如此,即使资金保持在略低于2025年的水平,该机构仍面临艰难的道路。它被要求重返月球,但员工数量还不到阿波罗计划高峰期的一半。
对于Anthropic来说,这是一个重大成就。你可能还记得去年春天Claude甚至无法通关《精灵宝可梦红》。在不到一年的时间里,该公司的模型已经从难以导航简单的8位Game Boy游戏发展到成功为遥远星球上的火星车规划路线。NASA对未来合作的可能性感到兴奋,称"自主AI系统可以帮助探测器探索太阳系更遥远的部分。"
Q&A
Q1:Claude是如何为NASA的毅力号火星车规划路径的?
A:Claude首先需要获得毅力号火星车"多年来"的上下文数据,然后有条不紊地进行映射,将十米段的路径点串联起来,并对其进行批评和迭代。NASA工程师会通过模拟程序检查Claude的工作,确保命令的准确性。
Q2:使用Claude规划路径能带来什么好处?
A:NASA工程师估计,使用Claude将把路线规划时间减半,并使行程更加一致。这意味着花费在繁琐手动规划和培训上的时间更少,允许火星车操作员安排更多的行驶,收集更多的科学数据,进行更多的分析。
Q3:Claude在这次任务中的表现如何?
A:在12月8日至10日期间,毅力号成功完成了Claude规划的约400米路线,穿越了火星表面的岩石区域。NASA表示只需要对Claude的路线做"轻微修改",证明了AI模型在复杂任务规划中的可行性。
好文章,需要你的鼓励
海外博主做了一次 Siri AI、ChatGPT、Claude 横评。看完之后我最大的感受是,AI 助手的竞争已经不只是模型能力,而是谁离用户更近。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。