應(yīng)用于各種機(jī)器人系統(tǒng)，并可以幫助這些系統(tǒng)每秒做出許多最佳決策。圖片來源：加州理工學(xué)院" data-original-comment="SETS（光譜擴(kuò)展樹搜索）算法可應(yīng)用于各種機(jī)器人系統(tǒng)，并可以幫助這些系統(tǒng)每秒做出許多最佳決策。圖片來源：加州理工學(xué)院" style="box-sizing: border-box; padding: 0px; margin: 0px auto !important; border: 0px; vertical-align: middle; width: auto !important; height: auto !important; object-fit: cover; max-width: 100%; display: block;" alt="" />

科技日報記者 張夢然

美國加州理工學(xué)院科研團(tuán)隊開發(fā)了一種名為光譜擴(kuò)展樹搜索（SETS）的算法。該算法旨在幫助自主機(jī)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(xué)·機(jī)器人學(xué)》雜志封面。

想象一下，如果給機(jī)器人玩一個復(fù)雜的游戲，游戲的目標(biāo)是找到一條安全且高效的路徑到達(dá)目的地。SETS算法就像是機(jī)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(jī)選擇路徑進(jìn)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(jī)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(dāng)前位置到目標(biāo)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(dāng)機(jī)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(jī)器人幾乎實時地處理信息并作出反應(yīng)。

SETS的強(qiáng)大之處在于它的通用性，即可以適用于各種類型的機(jī)器人平臺，而無需單獨編程。團(tuán)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(jī)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(jī)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(jìn)步意味著未來機(jī)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。