Цивилизация
Ученые из Калифорнийского технологического института разработали алгоритм Spectral Expansion Tree Search (SETS), способный управлять движением роботов в реальном времени. Работа опубликована в журнале Science Robotics (SR).
SETS использует методы теории управления и линейной алгебры для поиска оптимальных траекторий движения робота. Это позволяет роботам не просто реагировать на окружающую среду, но и стратегически планировать свои действия. Алгоритм быстро анализирует тысячи возможных траекторий, оценивает их эффективность и выбирает наилучшую — всё это за доли секунды.
Основой подхода стал метод поиска по дереву Монте-Карло, который ранее использовался, например, в системе AlphaZero от Google DeepMind для обучения игре в шахматы и го. Однако, в отличие от игр с фиксированными правилами, роботы действуют в физическом мире, где количество возможных движений стремительно растет.
«Наш алгоритм балансирует между исследованием новых траекторий и углублением в уже проверенные, чтобы быстро находить оптимальные решения,» — сообщил Джон Латроп, соавтор работы.
Ключевая особенность алгоритма— универсальность. Его можно адаптировать для любого устройства, без необходимости программировать каждую функцию вручную. Уже сейчас ученые работают над его применением для автономного гоночного автомобиля, который примет участие в соревнованиях Indy Autonomous Challenge.
Технология может стать основой для разработки более умных и адаптивных роботов, способных работать в самых разнообразных условиях, от медицинских учреждений до космических миссий.
Ранее ученые обучили ИИ искать заброшенные нефтегазовые скважины.