Rum 2.0: Fremkomsten af autonome robotter og AI

Behovet for, at mennesker bedre kan forstå verden ud over stjernerne, har ført til banebrydende resultater. Denne fascination af rummet hjalp os med at nå milepæle som Apollo 11-månelandingen, der markerede menneskehedens første skridt ud over Jorden. Med dette store skridt gik vi ind i en æra af ambitiøs og nysgerrighedsdrevet rumforskning.

Vejen til himmelsk udforskning og forståelse var dog ikke let. Faktisk udgjorde den alvorlige risici for mennesker på grund af eksponering for rumfarer, herunder høje strålingsniveauer, ekstreme temperaturudsving, vakuumforhold, mekaniske fejl og den iboende usikkerhed ved ukendte miljøer. Der var et klart behov for sikrere og mere effektive systemer, hvilket førte til udviklingen og implementeringen af robotteknologi og kunstig intelligens.

Disse teknologiske fremskridt gav os bedre og mere sikre måder at udforske det enorme univers på. Som følge heraf er robotter nu blevet en vital del af rummissioner. Disse maskiner er faktisk ved hurtigt at blive de primære udforskere i miljøer, der er simpelthen for farlige for mennesker.

I modsætning til os skrøbelige mennesker kan disse robotsystemer let modstå de ekstreme forhold i rummet. Endnu vigtigere kan de operere kontinuerligt uden at blive trætte eller kede af det.

Og det er derfor, at NASA gør omfattende brug af robotter. For eksempel bruger de Astrobee’s fritflyvende robotter, kaldet Bumble, Honey og Queen, til at assistere besætningsmedlemmer på den Internationale Rumstation (ISS). Disse kubeformede robotter hjælper astronauter med rutineopgaver som sporing af forsyninger, betjening af systemer og dokumentation af video, mens astronauterne fokuserer på vigtigere opgaver.

Men det er ikke alt. Når de integreres med AI, kan disse maskiner også behandle enorme datamængder i realtid og træffe beslutninger autonomt, hvilket gør dem endnu mere kraftfulde.

Løbende innovationer i sektoren har til formål at tage disse kapaciteter endnu længere. For nylig delte det kinesiske robotfirma Engine AI sine ambitiøse planer om at sende verdens første humanoide robot-astronaut ud i rummet.

PM01 er den humanoide robot, der skal sendes ud i rummet. Denne letvægts, open‑source intelligente humanoide platform kombinerer menneskelignende bevægelse med avanceret robotintelligens. Den har en bionisk struktur, der efterligner menneskelig bevægelse, og en meget interaktiv kerne‑display, ud over ultrahurtig bevægelsesrespons, højpræcise miljøsensorer og autonome beslutningstagningsevner. For at håndtere kompleks perception, bevægelsesstyring og realtids‑arbejdsbelastninger kombinerer dens dual‑chip‑arkitektur et NVIDIA Jetson Orin‑modul med en Intel N97‑CPU for at levere høj‑ydeevne‑computing.

Så efterhånden som robotter bliver mere robuste, tilpasningsdygtige og autonome, vil de kunne påtage sig høj‑risiko‑opgaver som ekstern vedligeholdelse af rumstationer og langvarige overvågningsopgaver, der udsætter astronauter for betydelig fare.

Fremtiden for rumforskning peger tydeligt mod større automatisering. I stedet for at placere astronauter i farefulde situationer, vil missioner simpelthen erstatte dem med netværk af intelligente robotter, der kan arbejde samarbejdende over enorme afstande.

Nu skal vi se på, hvordan denne transformation foregår i praksis gennem to nøgleudviklinger: autonome robotter til at udforske underjordiske lavatunneler på Månen og Mars, samt AI‑genererede ruter for rovere, så de kan rejse sikkert over det martianske terræn.

Kortlægning og navigation i ekstraterrestrielle lavatunneler med robotter

Det er næsten to årtier siden, at huller først blev opdaget på Månen, og over et halvt århundrede siden de massive lavatunneler blev opdaget på Mars. Disse enorme huler er store nok til at rumme byer.

Skabt af vulkansk aktivitet findes disse lavatunneler også på Jorden, herunder på Island, Hawaii, Sicilien, Australien og Galapagosøerne.

Selvom disse tunneler på Mars og Månen viser potentiale som fremtidige menneskelige baser, da de er sikrere end deres overflader ved at tilbyde beskyttelse mod kosmiske stråler, solstråling og hyppige meteorite‑nedslag, er de ikke let tilgængelige. Indersiden af disse lavatunneler er ekstremt skarp, og terrænet er ujævnt, hvilket kræver detaljerede studier. Men at indsamle mere information om disse underjordiske strukturer er udfordrende.

Skylights, som er kollapsede sektioner af tunnel‑lofter, og de lange, snoede kanaler, der er spottet i orbitalt billedmateriale, antyder store underjordiske hulrum; dog kan billeder ikke afsløre, hvilke tunneler der er egnede til beboelse.

For at tackle udfordringerne med stenede landskaber, begrænsede indgangspunkter og farlige forhold, præsenterede forskere fra Space Robotics Laboratory ved Universitetet i Malaga (UMA) et nyt missionskoncept, der bruger en trio af smarte robotter til autonomt at udforske disse underjordiske miljøer.

Robotterne testes i øjeblikket i de vulkanske huler på Lanzarote, Spanien, med teamet, der sigter mod at bruge dem til fremtidige missioner til Månen.

Udgivet i det videnskabelige tidsskrift Science Robotics¹, er konceptet baseret på tre forskellige typer robotter, nemlig SherpaTT, LUVMI‑X og Coyote III‑roveren, som arbejder sammen autonomt for at udforske de barske underjordiske rum på Mars og Månen.

Teamets foreslåede mission har fire faser. Den starter med, at robotterne kortlægger huleindgange og genererer en detaljeret højdemodel. Derefter udløses en sensoriseret payload‑kubus i hulen for at indsamle indledende målinger. En spejder‑rover sænkes derefter gennem indgangen for at starte den sidste fase, som involverer krydsning af hårdt terræn, indsamling af data og oprettelse af detaljerede 3D‑kort over interiøret.

Den virkelige felttest på den vulkanske ø Lanzarote, udført i begyndelsen af 2023, demonstrerede, at teamets tilgang fungerer som planlagt. Det tyske forskningscenter for kunstig intelligens (DFKI) ledede forsøget, med bidrag fra den spanske universitet, UMA, og firmaet GMV.

Fokus for Space Robotics Laboratory ved UMA er på at udvikle nye teknologier og metoder til at øge autonomi i rumrobotik, både for orbital‑ og planetariske missioner. Laboratoriet har arbejdet tæt sammen med European Space Agency for at udvikle algoritmer, der hjælper rovere med at planlægge ruter og operere mere uafhængigt.

Prøven bekræftede, at den fire‑fase‑missionsmetode er teknisk gennemførlig, og fremhævede potentialet i samarbejdende robotsystemer for fremtidig planetarisk udforskning.

AI-drevne navigationssystemer for planetariske rovere

I en anden stor udvikling har NASAs Perseverance‑rover, en bilstørrelse robotforsker, der har søgt efter tegn på ældgammelt mikrobielt liv og indsamlet prøver til fremtidig returnering til Jorden, gennemført den første AI‑planlagte kørsel på den “Røde Planet”.

Så i stedet for at bruge ruter planlagt af menneskelige operatører, skrev Mars‑opdageren historie ved at benytte dem, som AI organiserede.

For at skabe ruter analyserede en vision‑aktiveret AI først billeder og terrændata, som menneskelige rover‑planlæggere bruger til at identificere farer som sten og sandripper, og derefter planlagde den en sikker sti over den martianske overflade.

Men før de AI‑genererede ruter faktisk blev brugt, blev de først testet i den seks‑hjulede rovers virtuelle kopi, hvor Perseverance med succes fulgte dem og autonomt kørte flere hundrede fod.

Ledet af NASAs Jet Propulsion Laboratory, som overvåger roverens daglige drift, har Perseverance nu gennemført de første kørsler på en anden planet, med waypoints planlagt af generativ AI.

“Denne demonstration viser, hvor langt vores kapaciteter er avanceret, og udvider, hvordan vi vil udforske andre verdener,” sagde NASA‑administrator Jared Isaacman. “Autonome teknologier som denne kan hjælpe missioner med at operere mere effektivt, reagere på udfordrende terræn og øge den videnskabelige udbytte, efterhånden som afstanden fra Jorden vokser. Det er et stærkt eksempel på, at teams anvender ny teknologi omhyggeligt og ansvarligt i reelle operationer.”

Til milepælsdemonstrationen i begyndelsen af december sidste år brugte ingeniører vision‑sprog‑modeller til at analysere eksisterende data fra JPLs overflade‑missionsdatasæt. Ved at analysere den samme information og de samme billeder, som menneskelige planlæggere bruger, identificerede systemet waypoint‑lokationer, så Perseverance sikkert kunne krydse vanskeligt martiansk terræn.

Resultatet var et koordineret samarbejde mellem JPLs Rover Operations Center (ROC) og Anthropics Claude‑AI‑modeller.

“Forestil dig intelligente systemer, ikke kun på Jorden, men også i edge‑applikationer i vores rovere, helikoptere, droner og andre overfladeelementer, trænet med den samlede visdom fra vores NASA‑ingeniører, videnskabsfolk og astronauter,” sagde Matt Wallace, leder af JPLs Exploration Systems Office. “Det er den banebrydende teknologi, vi har brug for for at etablere den infrastruktur og de systemer, der kræves for en permanent menneskelig tilstedeværelse på Månen og for at bringe USA til Mars og videre.”

Med Mars, der er 140 millioner miles væk fra Jorden, gør kommunikationsforsinkelser det umuligt at kontrollere roveren i realtid.

I lang tid har rover‑navigation været afhængig af mennesker, der omhyggeligt studerer terrændata og derefter planlægger ruter på forhånd. Disse stier består af waypoints med ca. 100 meter mellemrum for at reducere risikoen for, at roveren støder på farer. Når planerne er færdige, sendes de gennem NASAs Deep Space Network (DSN) telekommunikationsinfrastruktur, hvorefter roveren udfører instruktionerne.

Men under Perseverances kørsler på den 1.707. og 1.709. martianske dag blev dette ansvar delegere til generativ AI. Systemet analyserede høj‑opløselige orbital‑billeder indhentet af HiRISE‑kameraet på nadir‑siden af MRO‑fartøjet, sammen med terræn‑hældningsdata fra digitale højdemodeller.

Informationen hjalp AI’en med at identificere stenfelter, grundfjeld, sandripper, udstikkere og andre vigtige overfladefunktioner. Derefter udviklede AI’en en kontinuerlig kørselssti med alle nødvendige waypoints. Ifølge Vandi Verma, rumrobotiker ved JPL og medlem af Perseverance‑ingeniørteamet:

“De grundlæggende elementer i generativ AI viser stort potentiale i at strømline søjlerne i autonom navigation for off‑planet kørsel: perception (at se stenene og rippperne), lokalisering (at vide, hvor vi er), og planlægning og kontrol (at beslutte og udføre den sikreste sti).”

Disse instruktioner blev kørt gennem JPLs digitale tvilling (den virtuelle kopi af roveren), som tjekkede over 500 000 telemetri‑variabler for at sikre, at planen ville fungere sikkert med Perseverances flyvesoftware.

Ved brug af denne AI‑genererede plan rejste NASAs Perseverance 210 meter den 8. december og 246 meter den 10. december.

“Vi bevæger os mod en dag, hvor generativ AI og andre smarte værktøjer vil hjælpe vores overfladerover‑rovere med at håndtere kilometer‑skala kørsler, mens vi minimerer operatørens arbejdsbyrde, og markerer interessante overfladefunktioner for vores videnskabsteam ved at gennemsøge enorme mængder rover‑billeder.”

– Verma

Robotik og AI i rumforskning

Investering i autonom rumforskning

I verden af autonom rumforskning skiller Intuitive Machines, Inc. (LUNR ) sig ud som en af de få børsnoterede virksomheder, der faktisk bygger autonome systemer, der opererer på en anden himmellegeme.

Udover at udvikle selvkørende køretøjer til rummet, som opererer med minimal menneskelig indgriben, har Intuitive Machines stærk NASA‑integration, især med Artemis‑programmet. Det er faktisk det første private firma, der har foretaget en blød landing af et rumfartøj, kaldet Odysseus, på Månen.

Rumteknologi‑, infrastruktur‑ og servicevirksomheden leverer rumprodukter og -tjenester for at muliggøre vedvarende robot‑ og menneskelig udforskning af Månen, Mars og videre.

Tjenester, som Intuitive Machines tilbyder, omfatter data‑transmission, levering og infrastruktur‑som‑en‑tjeneste.

Gennem sine fire forretningsenheder – Orbital Services, Lunar Access Services, Lunar Data Services og Space Products and Infrastructure – sigter virksomheden mod at muliggøre adgang til Månen for at fremme menneskeheden.

Intuitive Machines er en relativt ung virksomhed, grundlagt i 2013, men har allerede fuldført fire NASA‑månemissioner.

Det skyldes CEO og præsident Steve Altemus, der tidligere arbejdede for NASA i divisionen for bemandet rumfart. Efter at have forladt NASA var han med til at grundlægge Intuitive Machines, som blev tildelt en af TIMEs 100 mest indflydelsesrige virksomheder i 2024. I et interview med TIME afslørede Altemus, at “omkring 75 % til 80 % af vores forretning er med den amerikanske regering.”

Med en markedsværdi på 3,6 milliarder $, handles LUNR‑aktier i øjeblikket til 17,50 $, op 9 % år‑til‑dato og 123,64 % i det sidste år. Den har et EPS (TTM) på -2,11 og en P/E (TTM) på -8,40.

Selvom Q4 2025‑resultaterne vil blive annonceret senere denne måned, viser virksomhedens 3Q25‑resultater et nettotab på 10 millioner $. Justeret EBITDA var negativ 13,2 millioner $, hvilket indikerer fortsatte finansielle udfordringer, men var en forbedring på 12,2 millioner $ i forhold til foregående kvartal.

Virksomheden havde en backlog på 235,9 millioner $ ved udgangen af Q3 2025 og en kontantbeholdning på 622 millioner $.

Bemærkelsesværdigt er, at virksomheden erhvervede Lanteris Space Systems for 800 millioner $, hvilket inkluderer 450 millioner $ i kontanter og 350 millioner $ i LUNR Class A‑almindelige aktier. I løbet af de sidste 65 år har Lanteris leveret mere end 300 rumfartøjer og opretholder 99,99 % on‑orbit‑tilgængelighed.

Erhvervelsen forventes at bringe Intuitive Machines’ omsætning op på over 850 millioner $ og backlog til 920 millioner $, samt styrke virksomhedens kapaciteter inden for kommunikation, navigation og rumdatanetværkstjenester for civile, kommercielle og forsvarsmarkeder.

Med erhvervelsen, “Intuitive Machines er positioneret til at blive den næste generations rum‑prime,” sagde CEO Altemus på 3Q25‑resultatopkaldet i november 2025.

Transaktionen, bemærkede han, repræsenterer en vej frem i virksomhedens udvikling fra en påvist rum‑infrastrukturvirksomhed til en vertikalt integreret rum‑prime‑leverandør af valg, der betjener national sikkerhed, civile og kommercielle kunder på jord, jord‑omløb, MEO, GEO og cislunar‑rum.

“Denne erhvervelse markerer et definerende øjeblik i udviklingen af Intuitive Machines,” sagde Altemus. “Vi har tidligere bevist vores evne til at operere på Månen. Med Lanteris tilføjer vi flyveprøvet fremstillingskapacitet i skala. Sammen transformerer disse styrker Intuitive Machines til en multi‑domæne, end‑til‑end‑løsningstilbyder, der kan bygge rumfartøjer, forbinde robuste kommunikations‑ og navigationsnetværk og drive systemer på LEO, MEO, GEO og cislunar‑rum.”

Erhvervelsen blev afsluttet tidligere i år, hvilket styrker virksomhedens evne til at servicere ikke kun NASAs Artemis‑ og Lunar Terrain Vehicle‑initiativer, men også fremtidige Mars‑telekommunikationsmissioner og Golden Dome‑ og Space Development Agency‑lagdelte arkitekturer.

Ud over at færdiggøre Lanteris‑erhvervelsen annoncerede virksomheden også en strategisk egenkapitalinvestering på 175 millioner $ for at støtte omsætningsudvidelse og fremme kommunikations‑ og databehandlingsnetværk. Den planlægger også at investere i etableringen af et internet‑uafhængigt solsystem.

Derudover engagerer den strategiske partnere for at tilpasse rum‑baserede datacentre med fremtidig virksomhedsefterspørgsel. Samtidig forventes den næste Commercial Lunar Payload Services‑tildeling og NASAs Lunar Terrain Vehicle‑tjenester at blive modtaget.

Dens fuldt ejede datterselskab, Lanteris Space Systems, blev udvalgt af L3Harris Technologies denne måned til at designe og bygge 18 avancerede rumfartøjsplatforme for at hjælpe Space Development Agency’s (SDA) mission med at levere real‑time sporing af avancerede missiltrusler, herunder hypersoniske og ballistiske systemer.

Seneste nyheder og udviklinger om Intuitive Machines, Inc. (LUNR) aktien

Konklusion

Rumforskning gennemgår en dybdegående transformation. Hvor den tidligere var næsten udelukkende afhængig af menneskelig intelligens, udholdenhed og risiko, bliver den nu omformet af autonome teknologier, der kan udforske længere, dybere og mere sikkert end nogensinde før.

Fra robot‑systemer, der undersøger skjulte lavatunneler, til AI‑styrede rovere, der navigerer fjerne planeter, udvider disse fremskridt både omfanget og effektiviteten af udforskning.

Efterhånden som innovationen i sektoren fortsætter, vil den menneskelige rolle også udvikle sig. I stedet for at være direkte udforskere, vil vi blive designere, vejledere og modtagere af intelligente systemer, der opererer på tværs af solsystemet. Endnu vigtigere minimerer overgangen fra menneskelige udforskere til robotik og AI risikoen, mens den accelererer opdagelser og muliggør en vedvarende tilstedeværelse på Månen, Mars og videre.

Referencer

^{1. Domínguez, R., Pérez-Del-Pulgar, C., Paz-Delgado, G. J., Polisano, F., Babel, J., Germa, T., Dragomir, I., Ciarletti, V., Berthet, A.-C., Danter, L. C., & Kirchner, F. (2025). Cooperative robotic exploration of a planetary skylight surface and lava cave. Science Robotics, 10(105), eadj9699. https://doi.org/10.1126/scirobotics.adj9699}