Mars Rover Perseverance, 456 Metros em Marte planejados por IA: O que Aconteceu em Dezembro de 2025
Em 8 e 10 de dezembro de 2025, o rover Perseverance da NASA recebeu um conjunto de instruções diferente de todas as que já havia recebido antes. Não haviam sido escritas por engenheiros humanos na Terra. Haviam sido geradas pelo Claude, o modelo de IA da Anthropic. E o rover as seguiu, percorrendo Marte com sucesso.
As drives foram executadas em 8 e 10 de dezembro, lideradas pelo Jet Propulsion Laboratory da NASA na Califórnia. A demonstração usou IA generativa para criar waypoints para o Perseverance, uma tarefa complexa de tomada de decisão tipicamente realizada manualmente pelos planejadores humanos de rover da missão. NASA Jet Propulsion Laboratory
No dia 8 de dezembro, o Perseverance percorreu 210 metros. Dois dias depois, avançou mais 246 metros, totalizando 456 metros de superfície marciana navegados com base em rotas geradas inteiramente por IA. Astronomy.com
Por Que Planejar Rotas em Marte é Difícil
Para entender a relevância do que aconteceu, é preciso primeiro entender o problema que estava sendo resolvido. Marte fica a cerca de 140 milhões de milhas da Terra, e a velocidade da luz impõe uma limitação fundamental: cada sinal demora cerca de 20 minutos para chegar ao rover. Isso torna qualquer controle em tempo real impossível.
Porque não podem microgerenciar onde o rover dirige, os operadores planejam uma rota, enviam-na, e apenas mais tarde veem os resultados. Todo esse planejamento meticuloso é demorado. O Perseverance tem um sistema AutoNav que ajuda a desviar de obstáculos entre os waypoints, mas ele só enxerga a partir da perspectiva do próprio rover e não consegue planejar muito à frente. Anthropic
As apostas são altas. Em 2009, o rover Spirit, um dos predecessores do Perseverance, entrou numa armadilha de areia e nunca mais se moveu. Anthropic A cautela dos operadores humanos é produto direto dessa experiência.
O processo manual era laborioso: engenheiros analisavam imagens orbitais, desenhavam trajetos, construíam waypoints segmento por segmento. Os engenheiros estimam que integrar o Claude ao processo poderia reduzir o tempo de planejamento de rota pela metade, permitindo mais drives frequentes, maior coleta de dados e análise mais aprofundada. StartupHub.ai
O Que o Claude Precisou Aprender Para Fazer Isso
Os engenheiros do JPL configuraram um processo no Claude Code para delegar a definição de waypoints à IA. Claude não fez isso com um único prompt. Em vez disso, o modelo precisou de contexto antes de poder efetivamente plotar os waypoints. Os engenheiros reuniram os dados e a experiência acumulados ao longo de anos dirigindo o rover e os forneceram ao Claude Code. Anthropic
Isso envolveu fornecer ao Claude com massas de dados coletados ao longo de 28 anos de missões a Marte, para permitir que ele escrevesse comandos para o Perseverance. AI Business Esse número, que o texto original da pauta interpretou erroneamente como o tempo gasto no planejamento manual, se refere na verdade ao volume histórico de dados de missões que foi alimentado ao modelo como contexto.
A IA generativa realizou a análise de imagens orbitais de alta resolução da câmera HiRISE a bordo do Mars Reconnaissance Orbiter da NASA e dados de inclinação de terreno de modelos de elevação digital. Após identificar características críticas do terreno, como afloramentos rochosos, campos de boulder perigosos e ondulações de areia, gerou um caminho contínuo com waypoints. The Register
O Claude não apenas gerou a rota. Usando suas capacidades de visão para analisar as imagens aéreas, Claude planejou a trilha ponto a ponto, encadeando segmentos de dez metros em um caminho, depois iterando para refinar os waypoints, criticando seu próprio trabalho e sugerindo revisões. AI Business
O Idioma que o Claude Precisou Dominar
Havia um desafio técnico adicional que vai além da análise de imagens. O modelo precisava converter o plano de rota para Rover Markup Language, a linguagem de programação especializada que a NASA usa para se comunicar com seu hardware no espaço profundo. Astronomy.com
A Verificação: 500 mil Variáveis Antes de Enviar
A autonomia do Claude no planejamento da rota não significou ausência de supervisão humana. O processo de verificação antes do envio das instruções foi rigoroso.
Para verificar o trabalho da IA, a equipe do ROC executou esses comandos através de uma simulação rigorosa envolvendo uma versão virtual do rover e mais de 500.000 variáveis para prever quaisquer perigos ao longo de sua rota. Astronomy.com
Encontraram que apenas mudanças menores eram necessárias. Engenheiros humanos, através da perspectiva de câmeras na superfície, notaram ondulações de areia especiais em ambos os lados de uma passagem estreita e ajustaram manualmente aquela seção da rota. Fora isso, o planejamento geral era confiável. AI Business
O Que Muda Para a Exploração Espacial
“Estamos avançando em direção a um dia onde a IA generativa e outras ferramentas inteligentes ajudarão nossos rovers de superfície a lidar com drives em escala de quilômetros enquanto minimizam a carga de trabalho dos operadores, e sinalizarão características interessantes da superfície para nossa equipe científica vasculhando enormes volumes de imagens do rover”, disse Vandi Verma, robóticista espacial do JPL. NASA Jet Propulsion Laboratory
O papel do Claude na missão Perseverance é de muitas formas apenas um teste para o que vem a seguir. Os tipos de capacidades autônomas que Claude demonstrou na drive do rover marciano, compreender rapidamente situações inéditas, escrever código para operar instrumentos complexos, tomar decisões inteligentes com pouca orientação de seus operadores, são exatamente aquelas que se provarão úteis em missões mais longas e ambiciosas. Anthropic
O próximo passo é escala. Um único rover percorrendo 456 metros com waypoints gerados por IA é a demonstração de princípio. O objetivo é drives em escala de quilômetros com mínima intervenção humana no planejamento, liberando os operadores para se concentrar no que a IA ainda não consegue fazer: interpretar o significado científico das descobertas e definir as perguntas que a exploração deve responder. NASA Jet Propulsion Laborato
