创新算法助机器人实时选择理想路径

　　美国加州理工学院科研团队开发了一种名为光谱扩展树搜索（SETS）的算法。该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。这一创新成果近期刊登于《科学·机器人学》杂志封面。

　　想象一下，如果给机器人玩一个复杂的游戏，游戏的目标是找到一条安全且高效的路径到达目的地。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，避免了不必要的计算。

　　这种算法借鉴了蒙特卡洛树搜索的概念，这是一种随机选择路径进行探索的技术，最初用于棋类游戏的人工智能系统。在机器人导航中，蒙特卡洛树搜索创建了一个分支结构，用来表示从当前位置到目标位置的不同可能性。然而，随着每一步动作的选择，潜在路径的数量会呈指数增长，这使得全面评估所有选项变得不切实际。