科技日報記者 張夢然
美國加州理工學院科研團隊開發(fā)了一種名為光譜擴展樹搜索（SETS）的算法。該算法旨在幫助自主機器人在現(xiàn)實世界中導(dǎo)航時選擇理想路徑，并作出最佳決策和行動。這一創(chuàng)新成果近期刊登于《科學·機器人學》雜志封面。
想象一下，如果給機器人玩一個復(fù)雜的游戲，游戲的目標是找到一條安全且高效的路徑到達目的地。SETS算法就像是機器人的“游戲策略師”，通過模擬大量可能的動作來規(guī)劃最理想的移動路線。與傳統(tǒng)方法不同的是，SETS能夠快速識別那些最具潛力的動作組合，避免了不必要的計算。
這種算法借鑒了蒙特卡洛樹搜索的概念，這是一種隨機選擇路徑進行探索的技術(shù)，最初用于棋類游戲的人工智能系統(tǒng)。在機器人導(dǎo)航中，蒙特卡洛樹搜索創(chuàng)建了一個分支結(jié)構(gòu)，用來表示從當前位置到目標位置的不同可能性。然而，隨著每一步動作的選擇，潛在路徑的數(shù)量會呈指數(shù)增長，這使得全面評估所有選項變得不切實際。
為了解決這個問題，SETS采用了所謂的“探索/利用”權(quán)衡原則。例如，當機器人檢測到某些動作可能會導(dǎo)致碰撞時，它就不會繼續(xù)考慮這些動作的后續(xù)步驟，而是專注于更安全的選擇。這種方法大大減少了計算量，并允許機器人幾乎實時地處理信息并作出反應(yīng)。
SETS的強大之處在于它的通用性，即可以適用于各種類型的機器人平臺，而無需單獨編程。團隊已經(jīng)證明了該算法在三個不同實驗環(huán)境中的有效性。
SETS算法讓機器人能夠在大約十分之一秒內(nèi)完成數(shù)千甚至數(shù)萬次模擬，迅速決定下一步的最佳行動。這個過程不斷循環(huán)，使機器人每秒鐘都能根據(jù)最新的情況調(diào)整自己的行為。這項技術(shù)的進步意味著未來機器人將更加智能、靈活，并能在動態(tài)環(huán)境中迅速應(yīng)對變化。
