NASA火星探査車が初のAI自律走行を完了：生成AIがルートを計画、宇宙探査がAI時代へ

NASAジェット推進研究所（JPL）は2026年3月14日、火星探査車「パーサヴィアランス」（Perseverance）がAIによる完全自律的な計画・実行による初の長距離走行ミッションに成功したと発表し、宇宙探査が正式に生成AI駆動のインテリジェント時代に突入したことを示した。この歴史的なテストにおいて、火星探査車は地球からの指令を一切受けることなく、約1.2キロメートルの複雑な地形を自律走行した。

SciTechDailyがこのマイルストーンを最初に報じた。従来、火星探査車の移動には地球の技術チームがルート計画に数時間から数日を費やし、深宇宙ネットワークを通じて指令を送信し、探査車の実行と結果の返送を待つ必要があった。火星と地球間の通信遅延は4分から24分（両惑星の相対位置に依存）であるため、リアルタイムの遠隔操作は完全に不可能である。従来の自律走行システム（AutoNav）は短距離での障害物回避走行を可能にしていたが、ルート計画は依然として地球側の指令に大きく依存していた。

Space.comの詳細な技術報道によると、今回のテストで使用された新システムはMARIA（Mars Autonomous Route Intelligence Agent）と名付けられ、専門的にファインチューニングされたマルチモーダル大規模モデルに基づいている。JPLとGoogle DeepMindが共同開発したこのモデルは、探査車のカメラが撮影したステレオ画像、LIDAR地形スキャンデータ、車輪のトラクションフィードバック、過去の走行データを同時に処理できる。システムは岩石や溝などの障害物を識別・回避するだけでなく、土壌の軟らかさや傾斜度を評価し、最も安全でエネルギー効率の高い走行ルートを計画できる。

NASA JPLのチーフエンジニアであるロブ・マニング氏は記者会見で次のように述べた。「MARIAが行っていることは障害物回避にとどまりません——火星の地形を真に理解しているのです。経験豊富なフィールド地質学者のように思考し、安全かつ科学的価値のあるルートを選択できます。」今回のテストでは、AIシステムは一見平坦に見えるが実際には緩い砂塵に覆われたエリアを自律的に迂回し、やや遠回りだが地面がより堅固な代替ルートを選択した。その後の分析により、最短経路を走行していた場合、探査車が砂地に嵌まるリスクが確かにあったことが確認された。

Universe Todayの報道は、このシステムのもう一つの画期的な特徴を明らかにした。MARIAはオンライン学習能力を備えている——地球側のモデル更新を待つことなく、走行するたびにその経験から地形理解モデルを更新できる。プロジェクトに参加しているカリフォルニア工科大学（Caltech）のAI研究者、小野雅裕博士は次のように説明した。「火星の地形は独特で、地球には完全に同一の訓練データが存在しません。システムに現場学習能力を持たせることは極めて重要です。この能力は火星土壌シミュレーターで検証済みでしたが、実際の火星環境での成功運用は今回が初めてです。」

The Vergeの分析は、この技術的ブレークスルーが将来の宇宙探査に深遠な意義を持つと指摘した。第一に、AI自律走行は探査車の1日の走行距離を現在の約100〜200メートルから1キロメートル以上に引き上げ、科学探査のペースを大幅に加速できる。第二に、より遠方の宇宙ミッション——例えば木星の衛星エウロパや土星の衛星タイタン——では通信遅延が数十分から数時間に達するため、AI自律能力はもはや付加的な強化機能ではなく必需品となる。NASAは、MARIAシステムの改良版が2028年に打ち上げ予定のエウロパ・クリッパーミッションに使用されることを確認した。

ただし、AI意思決定への完全な依存に対して慎重な姿勢を示す科学者もいる。コーネル大学の惑星科学者で、NASAの火星ミッションに複数回参加しているジム・ベル氏はインタビューで次のように述べた。「AI自律走行は日常的な移動には非常に価値がありますが、重大な科学的発見に関する判断——例えば、予期せず発見された地質学的特徴を調査するために予定ルートを変更するかどうか——には、依然として人間の科学者の判断が必要です。鍵は人間と機械の最適な協力バランスを見つけることです。」

技術的な詳細から見ると、このAIナビゲーションシステムのアーキテクチャ設計は複数のエンジニアリング革新を体現している。第一に、システムは「軌道−地上−車載」の三層アーキテクチャを採用している。軌道層はMROのHiRISEカメラによる25センチメートル解像度の地形データを提供し、地上層のAIエンジンが経路計画を完了し、車載層の自律ナビゲーションシステム（AutoNav）がリアルタイムの障害物回避を担当する。この階層設計により、AIはグローバルな経路計画（大規模な計算が必要）とローカルな障害物回避（リアルタイムの応答が必要）のバランスを取ることができる。

従来の手法との比較は特に注目に値する。JPLのエンジニアによると、従来の方式では地上チームが1日に1回しか走行ルートを計画できず、パーサヴィアランスの1日の走行距離は通常100〜200メートルに制限されていた。AI計画モードでは、システムは数時間以内に数キロメートルの範囲をカバーする完全な経路プランを生成でき、経路の品質（安全マージン、科学的機会の最大化）は人間の評価者によって「シニアプランナーのプランと同等の品質であり、特定の地形条件下ではさらに優れている」と評価された。これは将来の火星探査ミッションの科学的成果が数倍に増加し得ることを直接意味している。

より広範な影響は、深宇宙探査のパラダイムシフトにある。Caltechの研究チームは、類似技術のエウロパ（エウロパ・クリッパーミッション、2030年到着）およびタイタン（ドラゴンフライミッション、2034年着陸）への適用を検討している。これらの目標への地球からの通信遅延はそれぞれ45分以上、90分以上に達し、AI自律意思決定は絶対的な必需品となる。JPLはまた、「科学的自律性」を備えた次世代システムの開発も進めている——自律走行だけでなく、どの岩石サンプルが採集に値するか、どの地質学的特徴が詳細な撮影に値するかを自律的に判断できるシステムである。

The Vergeは次のように論評した。「これは単なる技術デモンストレーションではなく、深宇宙探査におけるパラダイムシフトの出発点である。通信遅延によりリアルタイム制御が不可能になるとき、AIは選択可能な強化ツールではなく、探査の基本的前提条件となる。未来の宇宙ロボットは、もはや地球からの制御の延長ではなく、自ら思考し行動できる自律的な探索者となるだろう。」