從“人工規劃、機器執行”邁向“機器規劃、自主決策”的范式躍遷｜深度報道

原文發表于 《科技導報》2026年第10期科技新聞-深度報道

從“人工規劃、機器執行”邁向“機器規劃、自主決策”的范式躍遷

小龍蝦“OpenClaw”的火熱出圈，為用戶提供了一個可擴展的任務編排框架：通過Skill系統將復雜任務拆解、合理分配并閉環推進，打破了人工智能（artificial intelligence，AI）Agent從聊天對話邁向物理執行的屏障。2026年，物理智能落地已成為行業共識和熱議焦點，AI正從實驗室深入消費服務與高危工業等真實場景，重塑真實的物理世界。望向深空，當AI技術遇上遙遠的紅色星球，一場深空探測的革命正在悄然發生……

在深空探測任務中，探測器面臨探測距離遠、環境未知、通信延遲大等多重挑戰。以火星為例，地火單向通信存在最長3~22 min延遲，這一物理限制使得傳統依賴地球發送指令的遙控操作模式嚴重制約了探測效率。如何盡可能降低地面的介入，實現探測器的自主任務規劃與執行，是深空探測任務長期面臨的關鍵問題。

“毅力號”在火星杰澤羅隕石坑的實際行駛路線（橙）與AI規劃路線（紫）

隨著AI技術飛速發展，對于規則明確的任務場景，AI能夠基于領域知識快速學習任務規則，顯著提升任務規劃效率。2025年12月，美國國家航空航天局（NASA）在“毅力號”火星車路徑規劃中引入Anthropic公司Claude視覺語言模型（VLM），成功完成地面全局規劃，按照AI生成的路線成功行駛了246 m。這次技術驗證首次將AI用于火星車路徑規劃，為未來深空探測任務規劃提供了新的范式。

1路徑規劃技術由人工駕駛走向自動駕駛

傳統的任務規劃模式依賴于地面規劃結果。以火星車路徑規劃為例，地面根據衛星高清影像和火星車局部環境感知圖像數據進行路徑規劃，人工制定避障路線并生成火星車可執行指令，利用每日有限的通信窗口上注，火星車嚴格按照“人工駕駛”的指令移動。過去由于器載計算能力限制，火星車本體智能化程度低，不具備自主路徑規劃能力，單日行駛距離受限于局部感知范圍和地面規劃效率。根據NASA索杰納火星車工程負責人Matijevic在《Science》上的報道，“索杰納號”火星車在生存的83個火星日內平均每日行駛2~3 m，移動效率較低。

隨著火星車智能化提升，自主導航技術開始應用于路徑規劃任務，衍生出“人工全局規劃+器上自主導航”的半自主式任務規劃方法。地面依據衛星影像給出全局規劃結果，制定火星車的航跡線，間隔一定距離設置關鍵航路點，引導火星車按照航路點行進。在航路點之間，火星車依托自主導航算法規劃局部路徑，自主識別障礙并生成可執行指令，實現了動態復雜環境下的自動駕駛。NASA旗下的噴氣推進實驗室（Jet Propulsion Laboratory，JPL）首席工程師Vandi Verma在IEEE航空航天會議中指出，計算、感知與移動并行處理的自主導航技術是實現“思考中駕駛”的關鍵。相較于過去的人工路徑規劃，半自主式路徑規劃方法極大拓展了火星車單日行進距離。NASA/JPL火星車自主導航軟件總架構師MW Maimone在《Science Robotics》中指出，依托于自主導航技術的“毅力號”，單日行駛最遠距離可達347.7 m，單日行駛距離得到百倍提升，自動駕駛比例達到了90%。

然而，半自主的路徑規劃方式仍然需要地面飛控人員日常不間斷的全局規劃才能確保火星車每日行駛，因此半自主路徑規劃方法雖然有局部的自動駕駛能力，但單日行駛里程依然受制于人工規劃效率因素。

2AI輔助路徑規劃的技術實踐

2025年12月，“毅力號”火星車首次應用AI完成路徑規劃，AI使用與人類規劃者相同的圖像和數據生成航路點，替代了半自主式任務規劃方法中人工完成的部分，實現了“AI全局規劃+器上自主導航”全自主的路徑規劃。這為基于多重約束條件與復雜環境下的任務自主規劃提供了一種全新的技術途徑。NASA局長Jared Isaacman表示，這類自主技術能夠助力探測任務運行更高效、應對復雜地形，并在探測器與地球距離不斷增大時，提升科學探測回報。

AI輔助路徑規劃的核心是地球端的全局規劃，這一過程可分為數據訓練、路徑生成、人工審核3個步驟。首先，將火星車安全行駛準則、地形處理規則、歷史指令集等非結構化數據作為領域知識庫，輸入Claude模型完成場景學習。模型從海量信息中提取關鍵特征，區別安全與危險，辨識沙坑與巖石，評估可通行區域與禁行區域。其次，將火星高分辨率圖像及高程數字模型（DEM）作為核心數據源送給Claude用于航路點優化，制定全局路徑規劃方案，生成可執行的指令序列。最后，通過人工審核對指令進行把關確認，并在“毅力號”的數字孿生系統中完成驗證。

“AI全局規劃+器上自主導航”全自主式任務規劃方法相較于半自主式方法，能夠實現人工規劃效率的提升。AI路徑規劃將飛控操作人員由手動規劃者轉型為路徑審核員，根據JPL工程師評估，在本次技術驗證中，Claude模型將總的路徑規劃時間減少了1/2。隨著未來探測任務復雜度提升，將面臨多器并行規劃的場景，借助全自主式規劃才能夠安排更多的探測任務，收集更多科學數據。

3走向機器主導的未來應用

基于“AI全局規劃+器上自主導航”全自主路徑規劃的技術驗證，充分印證了全自主任務規劃技術在未來深空探測極端動態未知環境場景下擁有廣闊應用前景與重大工程價值。面對未來更復雜的探測需求，基于AI的全自主任務規劃方法十分必要。

未來深空探測器將面臨更復雜的任務場景，任務規劃的工作量將隨探測器規模擴大而成倍增加。中國地質科學院地質研究所侯增謙在《Nature Astronomy》中提到，中國天問三號任務將在火星表面通過機械臂、鉆取裝置、無人機收集多種形式的火星樣品，涉及多機構、多器任務協作，任務復雜度和實施難度明顯高于以往任務。針對未來火星探測，NASA還規劃了火星低空無人機集群探測天墜（Skyfall）任務，6架無人機實施大范圍偵察，相較“機智號”火星飛行任務，任務規劃的工作量隨任務規模增加顯著增加。

NASA的火星“毅力號”探測器使用其機載前左避障相機拍攝了它前方的區域圖像（圖片來源：NASA）

NASA/JPL“毅力號”火星車AI自主駕駛負責人Masahiro Ono在《IEEE Transactions on Field Robotics》上指出，如果火星上的自動駕駛系統能擁有更強大的車載計算資源，其能力將實現更顯著的提升。當前系統仍需地面AI生成、人工審核與指令上注，本質是AI輔助下的自主規劃，還未實現將火星車原始數據作為規劃輸入，在軌直接給出工作規劃序列的能力，即真正的端到端規劃。隨著未來探測器智能化水平的提高，“毅力號”的全自主路徑規劃模式可進一步優化。通過在太空部署高算力衛星平臺，AI模型有望由地面遷移至近地軌道或行星軌道，探測器能夠在地面弱干預條件下端到端制定任務規劃方案，自主完成任務規劃。端到端規劃無需經過“數據回傳-路徑生成-指令上注”地面鏈路，是未來深空探測器長期自主生存的核心能力，能夠顯著緩解深空任務中通信帶寬約束、任務執行效率、自主應急處置依賴地面決策等核心痛點。在不遠的未來，如何提升全自主任務規劃的可靠性與安全性或將成為新的科學問題。

在AI時代，航天工程師的角色正從繁瑣的路徑規劃“執行者”轉變為AI的“駕馭者”。AI技術將為人類探索宇宙提供更加自主、高效的技術支持，牽引深空探測任務實現范式躍遷，推動深空探測從“人工規劃、機器執行”向“機器規劃、自主決策”模式轉變。

《科技導報》創刊于1980年，中國科協學術會刊，主要刊登科學前沿和技術熱點領域突破性的研究成果、權威性的科學評論、引領性的高端綜述，發表促進經濟社會發展、完善科技管理、優化科研環境、培育科學文化、促進科技創新和科技成果轉化的決策咨詢建議。常設欄目有院士卷首語、科技新聞、科技評論、本刊專稿、特色專題、研究論文、政策建議、科技人文等。