毅力号火星车实现90%自主导航，背后是1990年代的算力

最后更新：2025年2月

NASA的毅力号火星车已完成 90%的火星表面自主行驶 —— 而其前辈好奇号这一比例仅为6.2%。这一切依靠的是一套运行在90年代末期计算硬件上的算法。这一成就标志着物理AI领域的重要里程碑：在非结构化、未知地形中，以极低算力实现高自主导航，其影响远超太空探索范畴。

目录

• 什么是ENav，它是如何工作的？
• 毅力号与以往火星车相比如何？
• 为什么算力受限的自主性如此重要？
• AI在未来的火星导航中扮演什么角色？
• 这对机器人技术和自主系统意味着什么
• 常见问题

什么是ENav，它是如何工作的？

增强型自主导航（ENav）是毅力号的车载路径规划系统，它能在6米半径内评估约1,700条候选路径，并选择最安全的一条 —— 而这一切都在火星车持续行驶中完成。 这种边行驶边规划的并发能力，使毅力号区别于以往所有火星车。而实现这一能力的，只是一块与1998年iMac G3处理能力相当的抗辐射CPU。

该算法分三个阶段工作：首先，毅力号通过立体相机拍摄前方地形，映射出数千条可能的行进路径；其次，它根据地形崎岖度和预估行驶时间等因素对路径进行评分；最后 —— 这也是ENav架构的精妙之处 —— 它只对排名靠前的少数候选路径应用ACE（近似间隙估算），这是一种计算密集型的碰撞检测程序。真正意义上的重计算只针对复杂地形；在平坦地面上，火星车可以一直行驶。

根据IEEE Spectrum的报道，关于ENav的完整技术分析于2025年11月发表在《IEEE现场机器人学汇刊》上，作者包括NASA喷气推进实验室机器人表面移动组主管小野雅弘（Masahiro "Hiro" Ono）。

毅力号与以往火星车相比如何？

毅力号已在火星表面行驶超过30公里，其中90%的里程由自主导航完成 —— 这彻底打破了好奇号创下的基准，后者在整个任务中自主行驶比例仅为6.2%。

各指标上的性能差距非常显著：

机遇号曾以109米保持单日自主行驶纪录，直到2023年4月3日，毅力号在 一个火星日内自主行驶了331.74米 —— 超过原纪录的三倍。在向杰泽罗陨石坑古三角洲冲刺期间，毅力号 连续24个火星日保持了95%的自主驾驶率，覆盖了三角洲山麓约5公里的路程。

根本差异在于架构。好奇号必须在每次移动前完全停止，才能计算安全路径 —— 小野称之为“主要速度瓶颈”。而毅力号在执行当前路径的同时，就已经开始计算下一条路径，使其自主驾驶速度“提升了一个数量级”。

为什么算力受限的自主性如此重要？

在一台相当于1998年台式电脑处理能力的芯片上运行复杂的地形导航自主系统，并非需要绕开的限制，而是一种深思熟虑、以风险管控为核心的工程理念的产物 —— 这对地面机器人技术同样具有重要启示。

辐射加固（即制造能够承受深空电离辐射环境的芯片，否则会导致位翻转和处理器故障）严重限制了可用的算力。毅力号的CPU与好奇号相同 —— 这种经过验证的设计之所以被选中，正是因为其在恶劣条件下的可靠性已经得到充分验证。引入更快的、更新的处理器，就意味着在距最近维修站数百万公里之外，接受未经检验的故障模式。

这种限制催生了一种精确的算法解决方案：只在必要的地方进行高成本计算。这一原则 —— 有时称为“计算感知规划” —— 在地球上越来越重要，因为自主系统必须在边缘硬件上平衡推理速度与功耗预算。仓库机器人、农业无人机和户外巡检平台都面临类似的权衡。

小野雅弘简洁地概括了核心挑战：火星地形是静态的（岩石不会移动），但广阔且大部分未被测绘。“巨大的不确定性是主要挑战，”他指出。毅力号的解决方案是概率路径排序与选择性深度检查相结合 —— 这一模板可以直接应用于任何在陌生、无GPS或无基础设施环境中导航的机器人。

AI在未来的火星导航中扮演什么角色？

2024年12月，NASA首次测试了一种导航管线，该管线利用基于Anthropic的Claude模型分析火星勘测轨道飞行器（MRO）的轨道图像，并生成航点 —— 这预示着基础模型正在进入实际航天机器人领域。

当前ENav的运行完全依赖火星车自身拍摄的图像，因为MRO轨道图像的地面分辨率不足以支持近距离导航决策。基于Anthropic的测试瞄准了自主堆栈的另一层：从上至下的高级路径规划，将结构化的航点坐标传递给火星车的本地导航系统。

这种双层架构 —— 大语言模型（LLM）处理来自粗略卫星数据的战略路径生成，而轻量级车载算法处理实时本地导航 —— 与地球上自动驾驶汽车和工业机器人正在设计的混合AI系统非常相似。LLM不负责驾驶；它负责规划。嵌入式系统负责执行。

如果得到验证，这种方法将减少对操作员进行任务级路径决策的依赖，而随着火星车深入太阳系，这种依赖将变得越来越不切实际。火星已经存在 3到22分钟的通信延迟（取决于轨道位置）—— 这使得实时人工遥控变得不可能，也使得火星车每次独立自主决策的赌注都更高。

这对机器人技术和自主系统意味着什么

毅力号的ENav突破不仅仅是一个太空里程碑 —— 它是在非结构化环境极端条件下自主导航的概念验证，已经在没有安全网的情况下，经过数千公里的实际行驶验证。

对机器人行业而言，有四个实际启示值得关注：

1. 计算高效的自主性可以实现高水平性能。 在边缘硬件上运行的工业机器人和移动平台开发者，应研究ENav的选择性计算架构 —— 仅在预过滤的候选路径上应用昂贵的碰撞检测，而非穷举所有可能。

1. 边行驶边规划的并发性是根本性的速度倍增器。 从停止-规划-移动到边规划边行驶的转变，在火星上带来了有效速度的数量级提升。在仓库AMR（自主移动机器人）和户外巡检平台中采用相同的架构变更，可以在不升级硬件的情况下大幅提高吞吐量。

1. 基础模型正在进入物理自主堆栈。 基于Anthropic的航点生成测试预示着一个不远的未来：LLM负责战略规划，而嵌入式算法负责反应式执行。开发协作机器人和移动操作系统的公司应密切关注这种混合架构。

1. 恶劣环境下，经过验证的可靠性胜过原始性能。 NASA有意选择经过验证的CPU而非更强大的替代品，这提醒我们，在高风险部署中 —— 如建筑、采矿、海上、应急响应 —— 系统可靠性和可预测的故障模式往往比基准分数更重要。

小野清楚地指出了长期方向：“如果我们要探索更深的太空，太空系统的自动化是不可阻挡的趋势。”同样的逻辑适用于任何人类无法实时在场的领域。

常见问题

毅力号的驾驶有多少比例是自主的？

截至其第1,312个火星日（2024年10月28日），毅力号已利用ENav算法 自主完成约90%的火星行驶。相比之下，好奇号在其任务中自主驾驶比例约为6.2%。

什么是ENav，它运行在什么硬件上？

ENav（增强型自主导航）是毅力号的车载自主驾驶算法。它运行在一颗抗辐射CPU上，处理能力大致相当于90年代末的苹果iMac G3 —— 与好奇号使用的处理器架构相同，因其在深空辐射环境中的可靠性而入选。

毅力号自主驾驶的距离纪录是多少？

2023年4月3日，毅力号 在一个火星日内自主行驶了331.74米，超过了之前由机遇号保持的109米纪录的三倍。截至2024年10月，其总行驶距离已超过30公里。

Anthropic的AI如何用于火星车导航？

2024年12月，NASA测试了一种导航管线，利用基于Anthropic的Claude模型分析火星勘测轨道飞行器（MRO）的卫星图像，为毅力号的路线规划生成航点坐标。这是一个独立于ENav实时本地导航的高级规划层，标志着大语言模型首次在实际航天机器人任务中得到测试。

为什么NASA不能为毅力号使用更强大的处理器？

用于深空的芯片必须经过辐射加固，以承受电离辐射环境，这限制了可用的选项。NASA选择了来自先前任务的经验证CPU —— 以较低的计算性能换取经过验证的可靠性。更快的但未经测试的处理器会引入故障风险，且无法进行现场维修。

毅力号的自主性对商业机器人技术意味着什么？

ENav证明了在严重受限的硬件上，通过架构级优化，实现非结构化地形中的复杂自主导航是可能的。选择性计算方法 —— 仅对预过滤的高概率路径运行昂贵算法 —— 可直接应用于边缘部署的移动机器人，涉及制造、物流、农业和巡检等领域。

毅力号的纪录为一个长达十年的、让行星探测器真正自给自足的使命画上了句号 —— 而这一切都建立在连现代浏览器标签页都跑不动的硬件上。

计算受限的自主导航是机器人行业应该研究的模式，还是只适用于障碍物静止不动的场景？