据《科技日报》2024年12月26日消息，美国加州理工学院科研人员开发了一种名为光谱扩展树搜索（SETS）的算法，旨在帮助自主机器人在现实世界中导航时选择理想路径，并作出最佳决策和行动。该成果有助于推动机器人更加智能化、灵活化，并能在动态环境中迅速应对变化。相关成果近期已刊登于《科学·机器人学》杂志封面。

SETS算法就像是机器人的“游戏策略师”，通过模拟大量可能的动作来规划最理想的移动路线。与传统方法不同的是，SETS能够快速识别那些最具潜力的动作组合，避免不必要的计算。

SETS算法借鉴了蒙特卡洛树搜索的概念。在机器人导航中，蒙特卡洛树搜索创建一个分支结构，用来表示从当前位置到目标位置的不同可能性。但是，随着步数的增加，潜在路径的数量会呈指数增长，这让全面评估所有选项变得不切实际。为了解决这个问题，SETS采用了所谓的“探索/利用”权衡原则。例如，当机器人检测到某些动作可能会导致碰撞时，机器人就放弃这些动作的后续步骤，转向更安全的选择，从而极大地减少了计算量，允许机器人几乎实时地处理信息并作出反应。

SETS算法让机器人能够在大约十分之一秒内完成数千甚至数万次模拟，迅速决定下一步的最佳行动。这个过程不断循环，使机器人每秒都能根据最新的情况调整自己的行为。此外，SETS还可适用于各种类型的机器人平台，而无需单独编程。

信息来源：

https://www.science.org/doi/10.1126/scirobotics.ado1010

https://digitalpaper.stdaily.com/http_www.kjrb.com/kjrb/html/2024-12/27/content_582562.htm?div=-1