盖世汽车讯 2018年，谷歌DeepMind的AlphaZero程序使用机器学习和特殊算法自学了国际象棋、将棋和围棋，以确定在定义的网格内赢得比赛的最佳动作。据外媒报道，加州理工学院（Caltech）的研究人员为自主机器人开发了一种类似的算法——一种规划和决策控制系统，可帮助自由移动的机器人在现实世界中导航时确定最佳动作。

“我们的算法实际上是制定策略，然后探索所有可能的和重要的动作，并通过动态模拟选择最佳动作，就像玩许多涉及移动机器人的模拟游戏一样，”加州理工学院布伦控制和动力系统教授Soon-Jo Chung表示。“这里的突破性创新是，我们已经找到了一种非常有效的方法来找到典型的基于优化的方法无法找到的最佳安全动作。”

相关研究论文发表于期刊《Science Robotics》。该团队描述了这项称之为谱扩展树搜索（SETS）的技术。

许多机器人可以非常自由地向任何方向移动。例如，考虑一个旨在帮助家中老人的人形机器人。这样的机器人在完成任务时遇到障碍物或意外事件时，应该能够以多种不同的方式移动，并且基本上可以在空间内向任何方向移动。例如，该机器人的动作、障碍和挑战将与自动驾驶汽车截然不同。

那么，单一算法如何引导不同的机器人系统做出最佳决策，在周围环境中移动呢？