- Perseverance completó dos trayectos en el cráter Jezero con rutas propuestas por inteligencia artificial.
- La IA de Anthropic generó waypoints a partir de imágenes orbitales y modelos 3D del terreno marciano.
- El JPL validó más de 500.000 variables en un gemelo digital antes de enviar comandos al rover.
- La NASA ve en estas técnicas la base para una exploración más autónoma en Marte y otras misiones profundas.
La NASA ha marcado un antes y un después en la exploración marciana al dejar que un modelo de inteligencia artificial se encargue, por primera vez, de proponer la ruta de un rover en otro planeta. El protagonista es Perseverance, el vehículo que recorre el cráter Jezero de Marte, y la IA que ha entrado en escena es Claude, desarrollada por Anthropic.
Entre el 8 y el 10 de diciembre de 2025, Perseverance completó dos trayectos que suman algo más de 400 metros siguiendo un itinerario generado inicialmente por IA. No fue un experimento de laboratorio ni una simulación: se trató de movimientos reales sobre terreno rocoso, con todos los riesgos que implica maniobrar un rover del tamaño de un coche a cientos de millones de kilómetros de la Tierra.
Un hito: la primera ruta marciana propuesta por IA
Según detallan desde el Laboratorio de Propulsión a Chorro (JPL) de la NASA en el sur de California, la prueba consistió en dos recorridos dentro del cráter Jezero, los días 8 y 10 de diciembre de 2025, correspondientes a los soles 1.707 y 1.709 de la misión. En la primera demostración, Perseverance avanzó unos 210 metros; en la segunda, recorrió en torno a 246 metros, hasta alcanzar aproximadamente 456 metros combinados.
La clave no es la distancia, relativamente modesta, sino el método: la ruta se construyó a partir de una serie de puntos de paso o waypoints definidos por IA. Esta tarea, hasta ahora, recaía por completo en equipos humanos que dedicaban horas a revisar imágenes y datos del terreno para trazar trayectos seguros en tramos cortos.
En esta campaña, la NASA incorporó modelos de IA generativa con capacidades visuales, capaces de interpretar mapas y proponer puntos intermedios sobre los que luego se monta el plan de conducción final. El sistema analizó un gran volumen de información antes de sugerir por dónde debía moverse el rover para evitar rocas, pendientes críticas y zonas de arena traicioneras.
El administrador de la agencia, Jared Isaacman, subrayó el alcance de la prueba: estas tecnologías autónomas permiten operar misiones de forma más eficiente, responder mejor a terrenos difíciles y exprimir el retorno científico a medida que aumenta la distancia con la Tierra.
Cómo planifica la IA el camino del rover
Para diseñar las rutas, la NASA alimentó a Claude con años de datos y una gran colección de imágenes del entorno de Perseverance, y con recursos de cálculo como el superordenador Athena. La IA trabajó paso a paso: generó una serie de waypoints separados aproximadamente cada 10 metros, revisó la secuencia y la fue refinando hasta obtener un recorrido continuo.
La información de base procedía principalmente de la cámara HiRISE a bordo del orbitador Mars Reconnaissance Orbiter, que lleva tiempo cartografiando Marte. Se trata de imágenes orbitales de alta resolución combinadas con modelos digitales de elevación, es decir, mapas 3D que recogen la pendiente del terreno, la altura relativa y las formas del relieve.
A partir de esa cartografía, la IA identificó elementos críticos del paisaje marciano: tipos de roca, lechos consolidados, afloramientos, campos de piedras potencialmente peligrosos, ondulaciones de arena y otras irregularidades que podrían hacer patinar las ruedas o provocar un atasco.
Con esa “foto” del terreno, el sistema generó rutas que maximizan la seguridad y la eficiencia, evitando obstáculos y reduciendo maniobras comprometidas. En esencia, Claude actuó como un planificador de caminos de largo alcance, optimizando cómo avanzar metros sin poner en jaque un vehículo que lleva instrumentos científicos de alto valor.
Además de los modelos de lenguaje, la NASA probó herramientas tipo Claude Code, pensadas para descomponer problemas complejos en pasos manejables: en este caso, transformar un objetivo científico general en una cadena de puntos de control verificables para el rover.
Supervisión humana y gemelo digital: la correa de seguridad
Aunque la ruta inicial fue obra de la IA, el control absoluto siguió en manos de los ingenieros del JPL. Antes de enviar nada a Marte, el equipo sometió los comandos a un proceso de validación exhaustivo usando el llamado “gemelo digital” de Perseverance, una réplica virtual del rover y su entorno.
En esa simulación se verificaron más de 500.000 variables de telemetría para comprobar que las instrucciones propuestas respetaban todos los límites del software de vuelo, las capacidades mecánicas del vehículo y los márgenes de seguridad establecidos para la misión. Solo después de ese filtro se tradujo el plan en comandos concretos para el rover.
Los técnicos también aprovecharon imágenes de superficie tomadas por las propias cámaras de Perseverance, que muestran detalles del suelo que no siempre aparecen en las vistas orbitales. Con esa referencia adicional, realizaron pequeños ajustes sobre el trazado sugerido por la IA, corrigiendo tramos donde el terreno real podía esconder trampas.
En la práctica, el flujo de trabajo quedó así: la IA propone, los humanos revisan y corrigen, el gemelo digital valida y, finalmente, se envían las órdenes a Marte a través de la Red del Espacio Profundo. No hubo conducción en tiempo real ni decisiones totalmente autónomas sobre el planeta.
Vandi Verma, especialista en robótica espacial del JPL, destacó que la IA generativa muestra un potencial notable para optimizar los pilares de la navegación autónoma extraplanetaria: percepción (entender el entorno), localización (saber con precisión dónde está el rover) y planificación y control (decidir y ejecutar la ruta más segura).
El reto de conducir con minutos de retraso
Parte de la importancia de este experimento está en una limitación física difícil de salvar: Marte está a una distancia media de unos 225 millones de kilómetros de la Tierra. Incluso viajando a la velocidad de la luz, las señales de radio tardan entre 4 y 20 minutos en ir de un planeta a otro, según la posición orbital.
Eso significa que no se puede “conducir” un rover como si fuera un coche teledirigido. Cada instrucción se envía con antelación, se ejecuta con retraso y se confirma aún más tarde. No hay margen para reaccionar al instante si aparece un obstáculo inesperado o si el vehículo empieza a patinar.
Tradicionalmente, los equipos de la NASA han trabajado con un esquema muy manual: se analizan imágenes, se diseña una ruta por tramos cortos, se empaquetan comandos y se envían. Es un proceso seguro, pero lento y muy exigente en tiempo humano, sobre todo cuando el rover se mueve por zonas complicadas donde un error puede dejarlo atrapado, como le ocurrió al rover Spirit en 2009.
En palabras de quienes operan Perseverance, cada sol marciano tiene ventanas de trabajo limitadas. Si los ingenieros invierten demasiadas horas en trazar un recorrido, queda menos tiempo disponible para decidir qué rocas estudiar, qué muestras recolectar o qué experimentos priorizar.
De ahí que surja la tentación de delegar parte de ese trabajo en sistemas inteligentes: una IA puede revisar enormes cantidades de datos y proponer rutas con mayor rapidez, dejando a los humanos la supervisión fina y las decisiones de alto nivel. El objetivo no es sustituir al equipo, sino liberar capacidad para que se concentre en la ciencia.
Cifras modestas para una prueba estratégica
En números puros, la demostración puede parecer discreta. Unos 210 metros el primer día y unos 246 el segundo, para un total ligeramente superior a los 400 metros, no suponen un récord de distancia para un rover marciano ni buscan serlo.
Lo que realmente se estaba poniendo a prueba era un cambio de paradigma en la planificación. En lugar de construir la ruta punto a punto de forma manual, los ingenieros partieron de una propuesta generada por IA y la utilizaron como base para los comandos que se enviaron al rover. El vehículo, por su parte, ejecutó el plan sobre un terreno donde los errores no se perdonan fácilmente.
Perseverance avanzó despacio, a ritmos que pueden rondar varias horas para apenas unos centenares de metros, con el fin de ahorrar energía, minimizar tensiones estructurales y reducir el riesgo de vuelco o atrapamiento. Es una forma de conducción muy alejada de lo que se entiende por autonomía rápida aquí en la Tierra.
Para la NASA, el éxito no se mide tanto en metros como en el hecho de que la ruta generada por IA solo necesitó ajustes menores tras la revisión humana y las simulaciones internas. Eso sugiere que la tecnología ya es suficientemente madura como para integrarse, con cautela, en operaciones reales.
Los responsables del proyecto apuntan a que este enfoque puede reducir de forma notable el tiempo de planificación, lo que permitiría al rover realizar más desplazamientos en menos soles y, en consecuencia, recopilar mayor cantidad de datos científicos sin aumentar el riesgo.
Claude y la nueva ola de IA aplicada al espacio
La elección de Claude no es casual. Los modelos de Anthropic han ganado peso en tareas de programación, análisis avanzado y asistencia técnica, hasta el punto de disputar protagonismo a otras soluciones populares en la comunidad de desarrolladores.
Grandes tecnológicas han empezado a integrar estas herramientas en sus flujos de trabajo: se ha informado de que Apple explora su uso en Xcode y que Meta lo emplea en utilidades internas de depuración, lo que da una idea de su versatilidad a la hora de manejar código y datos complejos.
Lo novedoso de la prueba con Perseverance es el escenario: la IA deja de ser un asistente puramente digital dedicado a escribir texto o corregir programas, para intervenir en decisiones que tienen consecuencias físicas y donde no existe el botón de “deshacer”. Una mala ruta no es un simple bug: puede costar un rover entero.
Desde la NASA insisten en que se trata de un primer paso hacia formas de exploración más autónomas, no de una cesión total del control a sistemas automáticos. Por ahora, la IA propone y asiste; la responsabilidad final sobre qué se ejecuta y cómo sigue en manos de los equipos de operaciones.
El propio experimento se desarrolló en colaboración directa entre el JPL y Anthropic, lo que permitió adaptar los modelos de IA a las necesidades específicas de la misión: interpretar mapas marcianos, gestionar incertidumbres del terreno y encajar las propuestas dentro de las restricciones del software de vuelo existente.
Hacia rovers y misiones cada vez más autónomas
Más allá del caso puntual de Perseverance, la agencia ya está pensando en el largo plazo. Los responsables de la Oficina de Sistemas de Exploración del JPL apuntan a que las tecnologías de IA podrían ser clave para crear infraestructuras que sostengan una presencia humana estable en la Luna, Marte y otros destinos del Sistema Solar.
En escenarios donde los astronautas lleguen a la superficie de Marte o se establezcan bases lunares, harán falta vehículos que puedan desplazarse de forma mucho más independiente, transportar materiales, inspeccionar terrenos, desplegar instrumentos y reaccionar a imprevistos sin depender de cada decisión enviada desde la Tierra.
En ese contexto, experimentos como el de Jezero sirven como banco de pruebas para sistemas autónomos de navegación, tanto en rovers científicos como en futuros robots logísticos. La IA podría encargarse de tareas tediosas y de cálculo intensivo, como optimizar rutas entre múltiples puntos de interés o actualizar planes en función de nuevos datos topográficos.
La NASA señala en sus propios informes que estos enfoques se extenderán previsiblemente a misiones hacia regiones más remotas del Sistema Solar, donde los retrasos de comunicación son aún mayores y la supervisión directa desde la Tierra resulta menos práctica.
Al mismo tiempo, en Europa y otros lugares del mundo se siguen con atención estos avances, ya que agencias como la ESA trabajan también en conceptos de exploración autónoma para futuras misiones a la Luna, Marte y asteroides, donde las lecciones aprendidas con Perseverance pueden resultar especialmente útiles.
En conjunto, la experiencia de diciembre de 2025 en el cráter Jezero deja claro que la inteligencia artificial empieza a ocupar un lugar real en la operativa diaria de la exploración espacial. Aunque por ahora se mantiene una “correa corta” con rigurosa supervisión humana, el hecho de que un rover marciano haya seguido rutas diseñadas inicialmente por una IA generativa indica que la frontera entre lo digital y lo físico en el espacio se está difuminando a buen ritmo, y que los próximos grandes pasos fuera de la Tierra probablemente se planearán, al menos en parte, con ayuda de algoritmos.
Soy un apasionado de la tecnología que ha convertido sus intereses «frikis» en profesión. Llevo más de 10 años de mi vida utilizando tecnología de vanguardia y trasteando todo tipo de programas por pura curiosidad. Ahora me he especializado en tecnología de ordenador y videojuegos. Esto es por que desde hace más de 5 años que trabajo redactando para varias webs en materia de tecnología y videojuegos, creando artículos que buscan darte la información que necesitas con un lenguaje entendible por todos.
Si tienes cualquier pregunta, mis conocimientos van desde todo lo relacionado con el sistema operativo Windows así como Android para móviles. Y es que mi compromiso es contigo, siempre estoy dispuesto a dedicarte unos minutos y ayudarte a resolver cualquier duda que tengas en este mundo de internet.