Роботов научили быстро принимать решения в режиме реального времени

Учёные из Caltech разработали новый алгоритм под названием Spectral Expansion Tree Search (SETS), помогающий роботам принимать решения в режиме реального времени. Эта система позволяет роботам планировать и выбирать оптимальные движения в процессе навигации по реальному миру. В отличие от традиционных методов, SETS использует динамическое моделирование для изучения различных действий и быстрого поиска оптимального безопасного пути.

В основе SETS лежит метод Монте-Карло — инструмент принятия решений, используемый в таких играх, как го, но адаптированный для непрерывных систем, таких как роботы. Балансируя между исследованием (опробованием новых путей) и эксплуатацией (следованием по хорошо зарекомендовавшим себя путям), алгоритм может быстро сходиться к наилучшему варианту. Он может моделировать тысячи возможных движений всего за десятую долю секунды.

Алгоритм был успешно опробован в нескольких экспериментах, включая управление дроном-квадрокоптером в турбулентности, ведение автомобиля по узкой трассе и управление космическими аппаратами для захвата и перенаправления объектов.

SETS может быть применен к любой роботизированной платформе, не требуя индивидуального программирования для каждой из них, хваляться создатели.