Claude Anthropic guia Perseverance da NASA, 400 m em Marte

Introdução

Claude da Anthropic entrou para a história ao planejar a rota que guiou o Perseverance da NASA em uma condução de aproximadamente 400 metros em Marte, realizada em 8 e 10 de dezembro de 2025. A NASA confirmou o feito em 30 de janeiro de 2026, apontando que foi a primeira vez que um trajeto em outro mundo foi planejado por uma inteligência artificial.

O tema importa por um motivo direto, a latência entre Terra e Marte inviabiliza o controle em tempo real. Ao antecipar decisões complexas de rota, uma IA confiável reduz trabalho manual, libera tempo de ciência e abre caminho para autonomia em ambientes com comunicação limitada. As descrições técnicas do JPL e os detalhes operacionais publicados pela Anthropic mostram como visão computacional, modelos visão‑linguagem e simulações rigorosas convergiram para um teste real com o rover.

Este artigo apresenta como a Claude foi integrada ao processo do JPL, o que foi validado nos 400 metros, as diferenças em relação ao AutoNav, as métricas de segurança e eficiência, e o que isso sinaliza para Artemis e missões mais distantes como Europa e Titã.

Como a Claude entrou no loop de planejamento do JPL

A colaboração partiu do Rover Operations Center do JPL, com a Anthropic provendo os modelos Claude. O objetivo, testar se a IA conseguiria gerar waypoints com qualidade de planejadores humanos, usando a mesma base de dados e imagens de missão, só que com velocidade e consistência superiores. Segundo a NASA, a equipe empregou modelos do tipo visão‑linguagem para analisar o acervo de superfície do JPL e propor pontos fixos que o rover deveria seguir.

Do lado da Anthropic, o fluxo foi encapsulado no Claude Code, com contexto especializado do JPL e emissão de comandos no Rover Markup Language, linguagem de controle desenvolvida para os rovers marcianos. A Claude concatenou segmentos de dez metros, refinou o traçado por iteração e autocrítica, e entregou o plano de rota para os sóis 1707 e 1709, equivalentes a 8 e 10 de dezembro de 2025.

A etapa crítica veio antes de transmitir qualquer comando ao rover, simulações internas do JPL varreram mais de 500 mil variáveis para projetar posições do veículo e checar riscos potenciais. Ajustes finos foram necessários, como a divisão mais precisa de um corredor entre ondulações de areia identificadas nas imagens ao nível do solo, mas o traçado geral foi mantido e enviado.

Por que 400 metros contam, mais do que parece

Quatrocentos metros soam como uma volta de pista de atletismo. Em Marte, esses 400 metros representam um marco de governança técnica, uma IA assumindo a tarefa de alto impacto operacional que tradicionalmente demanda horas de análise humana. A NASA destaca que, por 28 anos, motoristas humanos definiram rotas com waypoints espaçados tipicamente até 100 metros para evitar riscos, uma abordagem segura, porém trabalhosa. O teste com IA demonstra que dá para acelerar sem abrir mão de segurança.

A Anthropic estima que esse método pode cortar pela metade o tempo de planejamento de rotas, liberando mais janelas para conduções e coleta de dados. Em termos de produtividade, menor esforço repetitivo significa mais ciência por unidade de tempo de missão, um ganho direto em ambientes com recursos limitados e janelas de comunicação estreitas.

Além disso, o Perseverance vem num ritmo que pode redefinir recordes de distância. Até dezembro de 2025, havia percorrido cerca de 40 quilômetros e, em projeções de equipe, poderia chegar a 100 quilômetros ao longo da vida útil, superando a marca do Opportunity, que detinha 45,16 quilômetros. Quanto mais robusto for o planejamento de rotas, maior o potencial de quilometragem com segurança.

![Mosaico do Jezero Crater capturado pelo Perseverance, útil para contextualizar rotas planejadas]

AutoNav não é a mesma coisa que rota planejada por IA

O Perseverance possui AutoNav, capaz de desviar de obstáculos entre waypoints. AutoNav é ótimo em decisões locais, a partir da perspectiva do rover, mas não antecipa um trajeto longo com contexto global de terreno. A novidade aqui foi deslocar a etapa de planejamento estratégico, tradicionalmente humana, para uma IA com visão do todo e instruções codificadas no padrão da missão. A NASA explica que o sistema de IA analisou as mesmas imagens e dados usados por planejadores, gerando uma sequência de waypoints que o rover executaria após os checagens de rotina.

Na prática, isso cria um pipeline híbrido, IA para o traçado macro, AutoNav para ajustes micro ao rodar, simulação de alto rigor para validar a segurança antes do uplink, e humanos no circuito para revisar, corrigir e autorizar. Essa combinação reduz o atrito operacional sem comprometer a gestão de risco.

Segurança primeiro, do ROC à superfície marciana

Missões planetárias evitam atalhos em nome de segurança. O JPL exigiu que cada plano proposto pela Claude fosse processado pelo simulador usado diariamente pelo Perseverance, que integra centenas de milhares de variáveis de terreno, estado do veículo e cinemática. Somente após validação e ajustes pontuais, o plano seguiu pela Deep Space Network. O resultado, dois percursos executados com sucesso em 8 e 10 de dezembro de 2025, conforme confirmado pela NASA em 30 de janeiro de 2026.

O rigor é justificado por lições históricas, como o atolamento do Spirit em 2009, e pela distância média de 225 milhões de quilômetros entre Marte e a Terra, que impõe atraso de comunicação e impede o joystick em tempo real. Qualquer ganho de autonomia precisa vir com salvaguardas equivalentes.

![Navcam do Perseverance registrando terreno deslizante, evidenciando os desafios de locomoção]

O que muda para Artemis e para missões ainda mais distantes

A NASA projeta que tecnologias autônomas, quando aplicadas com responsabilidade, elevam eficiência, resposta a terrenos desafiadores e retorno científico, qualidades essenciais conforme a distância da Terra aumenta. A agência relaciona diretamente ganhos de autonomia a objetivos amplos, como estabelecer presença permanente na Lua e avançar rumo a Marte com a campanha Artemis.

A Anthropic, por sua vez, posiciona o experimento como um ensaio de capacidades que podem beneficiar missões mais longínquas, em que energia solar é escassa, atrasos de comunicação chegam a horas e o ambiente reduz a vida útil inicial das sondas. IA que entende cenários inéditos, escreve código para operar instrumentos e toma decisões eficientes com pouca intervenção abre espaço para sondas que planejam e executam por conta própria.

Custos, governança e o que esperar da IA aplicada a exploração

Integrações como a do JPL exigem governança técnica, dados curados e validação contínua. A Claude recebeu contexto detalhado do domínio de direção em Marte, escreveu comandos em uma linguagem de missão, iterou soluções e passou por auditoria humana. Nada disso elimina a necessidade de revisão, porém aumenta a cadência possível de operações diárias. O benefício imediato, mais trilhas viáveis por janela de comunicação, mais tempo para ciência, menos trabalho manual de traçado.

No horizonte próximo, a própria Anthropic vem distribuindo recursos que tornam esses fluxos mais acessíveis a equipes técnicas, como o Claude Code e a capacidade de criar artefatos e apps com hospedagem integrada aos planos Max e Enterprise. Embora esses anúncios sejam orientados a desenvolvimento terrestre, refinam a base de ferramentas que, quando auditadas e integradas, podem compor pipelines semelhantes em missões científicas.

Reflexões e insights práticos

Há uma diferença entre IA ajudar a decidir e IA decidir sozinha. O caso do Perseverance mostra um meio‑termo funcional, IA propõe, simuladores testam, operadores corrigem, missão executa. Para aplicações industriais aqui na Terra, o paralelismo é evidente, usar IA para planejar rotas de robôs, priorizar inspeções em ambientes remotos e redigir comandos seguros em linguagens de controle, sempre com simulação e revisão humana obrigatórias.

Outra reflexão útil, a métrica que importa não é só metros percorridos, é a consistência de percursos seguros sem replanejamento custoso, especialmente quando janelas de uplink são curtas. Em termos de ROI, cada hora economizada de planejamento vira hora de ciência. Em Marte, a ciência é a moeda mais valiosa.

Conclusão

A condução de 400 metros planejada pela Claude no Perseverance comprova que modelos de linguagem com visão podem assumir tarefas complexas de planejamento, desde que inseridos em processos com simulação robusta e revisão humana. O ganho não é cosmético, é operacional, menos tempo em tarefas repetitivas, mais tempo em ciência, com segurança monitorada.

O próximo passo é ampliar escopo e autonomia sob o mesmo rigor. Se a cadência de conduções com IA crescer, o Perseverance tem condições de bater recordes de distância e, mais importante, multiplicar descobertas geológicas e astrobiológicas. Ao mesmo tempo, o que funciona em Marte tende a escalar para a Lua e, depois, para oceanos escuros em luas distantes, onde autonomia não é conveniência, é sobrevivência da missão.