{"id":1331,"date":"2026-04-29T07:19:10","date_gmt":"2026-04-29T05:19:10","guid":{"rendered":"https:\/\/vittrup-graversen.dk\/?p=1331"},"modified":"2026-04-29T07:19:10","modified_gmt":"2026-04-29T05:19:10","slug":"claude-paa-mars-saadan-planlagde-en-sprogmodel-perseverance-roverens-foerste-ai-styrede-koersel","status":"publish","type":"post","link":"https:\/\/vittrup-graversen.dk\/index.php\/2026\/04\/29\/claude-paa-mars-saadan-planlagde-en-sprogmodel-perseverance-roverens-foerste-ai-styrede-koersel\/","title":{"rendered":"Claude p\u00e5 Mars: S\u00e5dan planlagde en sprogmodel Perseverance-roverens f\u00f8rste AI-styrede k\u00f8rsel"},"content":{"rendered":"\n

For f\u00f8rste gang i rumforskningens historie har en AI-sprogmodel planlagt en Mars-rovers k\u00f8rerute. NASAs Perseverance-rover gennemf\u00f8rte i december 2025 to k\u00f8rsler p\u00e5 i alt 456 meter, hvor ruterne var planlagt af Anthropics Claude – ikke af menneskelige roverpiloter p\u00e5 Jet Propulsion Laboratory (JPL). Det er et konkret gennembrud, der viser, at store sprogmodeller kan l\u00f8se opgaver langt ud over tekstgenerering.<\/p>\n\n\n\n

Hvordan Claude planlagde ruten<\/h2>\n\n\n\n

Normalt sidder et team af specialister p\u00e5 JPLs Rover Operations Center og planl\u00e6gger Perseverances k\u00f8rsler manuelt. De analyserer orbitalbilleder fra HiRISE-kameraet<\/a> p\u00e5 Mars Reconnaissance Orbiter, digitale h\u00f8jdemodeller og terr\u00e6ndata for at identificere sikre ruter. Det er en tidskr\u00e6vende proces, der typisk tager timer eller endda dage for en enkelt k\u00f8rsel.<\/p>\n\n\n\n

I samarbejdet mellem JPL og Anthropic fik Claude adgang til de samme datas\u00e6t, som menneskelige planl\u00e6ggere bruger. Sprogmodellen analyserede HiRISE-billederne med sine vision-kapaciteter og identificerede farlige terr\u00e6ntyper: sandrippler, stenfelter, grundfjeld og klippeudh\u00e6ng. Derefter genererede Claude en rute defineret af waypoints med ti meters mellemrum, som roveren kunne f\u00f8lge.<\/p>\n\n\n\n

Det interessante er processen: Claude byggede ruten punkt for punkt, evaluerede derefter sit eget arbejde, kritiserede placeringen af waypoints og foreslog justeringer. Denne iterative selvkorrektion minder om den refleksive t\u00e6nkning, vi ser i nyere reasoning-modeller som GPT-5.5 og Claude Opus 4.7<\/a>, men her anvendt p\u00e5 en fysisk navigationsopgave 225 millioner kilometer fra Jorden.<\/p>\n\n\n\n

456 meter uden menneskelig indgriben<\/h2>\n\n\n\n

Den 8. december 2025 (sol 1707 i missionen) k\u00f8rte Perseverance 210 meter efter Claudes plan. To dage senere, den 10. december (sol 1709), fulgte endnu en tur p\u00e5 246 meter. Sammenlagt 456 meter planlagt af en sprogmodel.<\/p>\n\n\n\n

F\u00f8r kommandoerne blev sendt til Mars, gennemgik de JPLs “digitale tvilling” – en virtuel kopi af roveren, der simulerer over 500.000 variabler for at verificere, at kommandoerne er sikre. Da ingeni\u00f8rerne gennemgik Claudes planer, fandt de kun behov for mindre justeringer. Grundl\u00e6ggende var AI-planen p\u00e5 niveau med det, menneskelige eksperter ville have produceret.<\/p>\n\n\n\n

Vandi Verma, rumrobotiker p\u00e5 Perseverance-teamet, udtalte: “De grundl\u00e6ggende elementer i generativ AI viser stor lovende potentiale for at str\u00f8mline s\u00f8jlerne i autonom navigation.” Matt Wallace, chef for JPLs Exploration Systems Office, gik endnu videre: “Det er den banebrydende teknologi, vi har brug for til at etablere infrastruktur for permanent tilstedev\u00e6relse p\u00e5 M\u00e5nen og udforskning af Mars.”<\/p>\n\n\n\n

Mere end en demo: praktiske konsekvenser<\/h2>\n\n\n\n

Ingeni\u00f8rerne p\u00e5 JPL vurderer, at AI-planlagt navigation kan halvere den tid, det tager at planl\u00e6gge k\u00f8rsler. Det lyder m\u00e5ske ikke dramatisk, men for en mission som Perseverance, hvor hvert minut med planl\u00e6gning er et minut uden videnskabelig dataindsamling, er det betydeligt. Kommunikationsforsinkelsen mellem Jorden og Mars (op til 24 minutter \u00e9n vej) g\u00f8r det umuligt at fjernstyre roveren i realtid. Jo mere autonomi roveren har, jo mere videnskab kan den udf\u00f8re.<\/p>\n\n\n\n

Perspektiverne r\u00e6kker l\u00e6ngere end Mars. Fremtidige missioner til Titan, Europa eller asteroider vil have endnu l\u00e6ngere kommunikationstider. En rover eller sonde, der kan navigere selvst\u00e6ndigt ved hj\u00e6lp af en sprogmodel, \u00e5bner for missioner, der i dag er logistisk umulige. Det handler ikke om at erstatte menneskelige planl\u00e6ggere, men om at give dem et v\u00e6rkt\u00f8j, der kan h\u00e5ndtere rutineopgaverne, s\u00e5 de kan fokusere p\u00e5 de videnskabeligt interessante beslutninger.<\/p>\n\n\n\n

Hvad det fort\u00e6ller om sprogmodellers fremtid<\/h2>\n\n\n\n

For os, der arbejder med AI og softwareudvikling, er Mars-eksperimentet en p\u00e5mindelse om, at sprogmodellernes anvendelsesomr\u00e5de vokser hurtigt. Claude analyserede ikke bare tekst – den fortolkede satellitbilleder, vurderede geologiske risici og genererede pr\u00e6cise navigationskommandoer. Det er multimodal AI i praksis, ikke som et benchmark-resultat, men som en applikation med reelle konsekvenser.<\/p>\n\n\n\n

Det er ogs\u00e5 v\u00e6rd at bem\u00e6rke den strenge verifikationsproces. JPL sendte ikke blindt Claudes output til en rover til 2,4 milliarder dollar. Hver waypoint blev simuleret, valideret og gennemg\u00e5et af mennesker. Det er pr\u00e6cis den tilgang, vi b\u00f8r tage til AI i kritiske systemer: brug modellen til at accelerere arbejdet, men bevar menneskelig kontrol over de endelige beslutninger. Med investeringer p\u00e5 over 40 milliarder dollar i Anthropic<\/a> fra Google alene er det tydeligt, at industrien satser tungt p\u00e5 denne type kapaciteter.<\/p>\n\n\n\n

Eksperimentet viser samtidig, at gr\u00e6nsen mellem “sprogmodel” og “autonomt beslutningssystem” bliver stadig mere flydende. N\u00e5r en LLM kan planl\u00e6gge en rovers rute p\u00e5 en anden planet, er det sv\u00e6rt at fastholde narrativet om, at disse modeller bare forudsiger det n\u00e6ste ord.<\/p>\n\n\n\n

Kilder<\/h2>\n\n\n\n