Claude traçou a rota em Marte e errou no terreno — Nasa testou 500 mil variáveis antes de confiar

O rover Perseverance completou dois trajetos em Marte — sols 1707 e 1709, em 8 e 10 de dezembro de 2025 — com a rota traçada pelo Claude, modelo de IA da Anthropic, em vez de um planejador humano. Cobriu cerca de 400 metros em terreno rochoso, segundo a Anthropic.

Antes de qualquer comando subir para Marte, engenheiros do Jet Propulsion Laboratory (JPL) rodaram mais de 500 mil variáveis em uma simulação diária para validar cada instrução. É o tamanho do aparato que a agência construiu para confiar numa tarefa que, se der errado, pode danificar um veículo de US$ 2,7 bilhões a 225 milhões de quilômetros de distância.

O que o Claude fez, na prática

Segundo a Anthropic, o modelo recebeu imagens aéreas do satélite Mars Reconnaissance Orbiter e dados topográficos da região, depois planejou o trajeto ponto a ponto — o chamado "breadcrumb trail" — em segmentos de dez metros. O próprio Claude revisou seus waypoints, sugerindo ajustes antes de fechar a rota final.

Engenheiros da JPL usaram o Claude para traduzir esse plano em comandos na Rover Markup Language (RML), linguagem XML criada para a missão Mars Exploration Rover, segundo o Engadget. A Nasa forneceu ao modelo anos de dados contextuais do rover antes de liberá-lo para mapear qualquer trajeto.

O ScienceDaily detalha os dois trajetos separadamente: 210 metros no primeiro sol e 246 metros no segundo, totalizando 456 metros. A diferença em relação aos "cerca de 400 metros" citados pela Anthropic está dentro da margem normal entre uma estimativa de divulgação e a soma exata dos trajetos.

A IA errou, e um humano corrigiu

A Anthropic admite que imagens de nível do solo — que o Claude não tinha visto durante o planejamento — revelaram ondulações de areia em um corredor estreito que o modelo não havia identificado. Engenheiros da JPL precisaram dividir a rota com mais precisão naquele trecho, numa correção manual antes do envio dos comandos.

Fora esse ajuste, a equipe descreve as intervenções como "alterações menores". Segundo o JPL, o uso do Claude reduz o tempo de planejamento de rota pela metade e torna as jornadas mais consistentes, liberando tempo da equipe para mais operações científicas.

Sobre as fontes e limitações

Anthropic / Nasa JPL (2026, relatório de empresa). Documenta as duas conduções do Perseverance com waypoints gerados pelo Claude e mais de 500 mil variáveis simuladas para validar posições e prever riscos. Amostra de apenas 2 conduções, sem revisão por pares, divulgado pelas próprias partes interessadas como caso de sucesso — e que reconhece a falha do modelo em identificar as ondulações de areia.

ScienceDaily, a partir de release oficial da Nasa/JPL (2026, dados oficiais/cobertura jornalística). Confirma de forma independente que se trata da primeira condução em outro planeta planejada inteiramente por IA generativa, com humanos revisando cada comando antes da transmissão ao rover. Não traz dados adicionais além dos divulgados pela Nasa.

O contraponto: ainda não é autonomia

Apesar do rótulo de "condução planejada por IA", a cadeia de decisão manteve verificação humana completa. Engenheiros da JPL revisaram e corrigiram manualmente o trabalho do Claude antes de cada envio — inclusive por um erro real que o próprio modelo não tinha como prever com os dados que recebeu. O avanço, portanto, é de assistência ao planejamento, não de autonomia de decisão num sistema crítico.

Por que isso importa fora da Nasa

O caso é o primeiro registro documentado de um modelo de linguagem participando de decisões operacionais num sistema crítico fora da Terra. Para quem acompanha IA agêntica, o dado relevante não é só o feito — é o tamanho da camada de verificação que uma agência espacial julgou necessária antes de aceitar o resultado: mais de 500 mil variáveis simuladas, revisão humana linha a linha e um erro real que precisou de correção manual.

É um retrato concreto de quanto a IA agêntica ainda depende de supervisão em tarefas de alto risco, mesmo quando o resultado final — cortar o tempo de planejamento pela metade — já justifica o investimento em testá-la.