AI på Mars: Claude planlagde Perseverance-roverens første autonome kørsel

For første gang nogensinde har kunstig intelligens planlagt en køretur på en anden planet. I december 2025 brugte NASA’s Perseverance-rover en rute udarbejdet af Anthropics Claude til at navigere næsten 500 meter gennem det stenede landskab i Jezero-krateret på Mars — en milepæl der markerer begyndelsen på en ny æra for rumforskning.

20 minutters forsinkelse gør fjernstyring umulig

Mars ligger i gennemsnit omkring 225 millioner kilometer fra Jorden. Den enorme afstand skaber en forsinkelse på cirka 20 minutter fra et signal sendes til det når roveren — og 20 minutter mere før svaret kommer tilbage. Realtidsstyring er derfor umulig. I stedet har menneskelige “rover-chauffører” på JPL (Jet Propulsion Laboratory) i næsten tre årtier planlagt ruter på forhånd ved at analysere terræn fra orbitale kameraer og roverens egne sensorer.

Processen er tidskrævende og kræver ekspertise. Planlæggerne designer ruter med waypoints — typisk med højst 100 meters mellemrum — for at undgå farer som klippeblokke, sandklitter og stejle skråninger. Fejl kan være katastrofale: I 2009 kørte Spirit-roveren fast i en sandfælde og bevægede sig aldrig igen.

Claude analyserede orbitale billeder og planlagde ruten

Den 8. og 10. december 2025 testede JPL-teamet en ny tilgang. Ved hjælp af Anthropics Claude — den samme sprogmodel som folk bruger til at skrive kode, analysere dokumenter og udarbejde rapporter — planlagde de Perseverance’s rute gennem et stenet område i Jezero-krateret.

Claude analyserede højopløselige satellitbilleder fra HiRISE-kameraet ombord på Mars Reconnaissance Orbiter samt digitale højdemodeller. AI’en identificerede kritiske terrænfeatures — klippegrund, stenblokke, sandribber — og genererede en sammenhængende sti med alle nødvendige waypoints. Den skrev instruktionerne i Rover Markup Language (RML), det samme XML-baserede format som mennesker bruger til at guide roveren.

Før kommandoerne blev sendt til Mars, kørte ingeniørerne den AI-genererede plan gennem JPL’s “digitale tvilling” — en virtuel kopi af roveren. Over 500.000 telemetrivariabler blev verificeret for at sikre, at planen ville fungere sikkert med Perseverance’s software. Efter menneskelig gennemgang var kun mindre justeringer nødvendige.

Næsten 500 meter på to kørsler

Resultaterne var imponerende. Den 8. december kørte Perseverance 210 meter ved hjælp af den AI-genererede plan. To dage senere tilbagelagde roveren yderligere 246 meter — i alt 456 meter autonomt planlagt af Claude. Ingeniørerne vurderer, at brugen af AI kan halvere den tid, der bruges på ruteplanlægning, og gøre kørslerne mere konsistente.

“Vi bevæger os mod en dag, hvor generativ AI og andre smarte værktøjer vil hjælpe vores overflade-rovere med at håndtere kilometer-lange kørsler, mens de minimerer operatørernes arbejdsbyrde,” sagde Vandi Verma, rumrobottekniker ved JPL og medlem af Perseverance-teamet.

Fra Mars til Månen — og videre

Demonstrationen rækker langt ud over Mars. NASA’s kommende Artemis-program sigter mod at sende mennesker tilbage til Månen og etablere en permanent base ved den sydlige pol. AI-assistenter som Claude, der kan håndtere komplekse opgaver uden konstant menneskelig vejledning, vil være afgørende for sådanne missioner.

“Forestil jer intelligente systemer ikke kun på Jorden, men også i vores rovere, helikoptere, droner og andre overfladeelementer — trænet med den kollektive visdom fra vores NASA-ingeniører, videnskabsfolk og astronauter,” sagde Matt Wallace, leder af JPL’s Exploration Systems Office. “Det er den game-changing teknologi, vi har brug for for at etablere infrastrukturen til en permanent menneskelig tilstedeværelse på Månen og bringe USA til Mars og videre.”

Endnu længere ude i fremtiden kunne autonome AI-systemer hjælpe sonder med at udforske fjernere dele af solsystemet — måner som Europa eller Titan, hvor signalforskellen kan strække sig til timer, og hvor AI’en selv må træffe beslutninger i realtid. Claudes 400 meter på Mars er blot det første skridt.

Det er bemærkelsesværdigt, at den samme AI-model, som udviklere bruger til at automatisere kodeopgaver på deres Mac, nu også navigerer en rover på en anden planet. Det viser, hvor generelle og fleksible moderne sprogmodeller er blevet — og hvor hurtigt de finder anvendelse i selv de mest krævende domæner.