محققان الگوریتم جدیدی برای ساخت ربات‌های خودمختار توسعه دادند

در سال ۲۰۱۸، برنامه آلفازرو (AlphaZero) شرکت دیپ‌مایند (DeepMind) گوگل با استفاده از یادگیری ماشین و یک الگوریتم خاص، بازی‌های شطرنج، شوجی (شطرنج ژاپنی) و گو را به صورت خودآموز فرا گرفت. این برنامه با بررسی تمام حرکات ممکن و شبیه‌سازی نتایج آن‌ها، بهترین حرکت را برای پیروزی در بازی انتخاب می‌کرد.

به گزارش سرویس اخبار فناوری رسانه تکنولوژی تکنا، گروهی از پژوهشگران موسسه فناوری کالیفرنیا (Caltech) الگوریتمی مشابه برای ربات‌های خودمختار توسعه داده‌اند. این الگوریتم که “جستجوی درختی گسترش طیفی” (Spectral Expansion Tree Search یا SETS) نام دارد، به ربات‌ها کمک می‌کند تا در محیط‌های واقعی و پیچیده، بهترین مسیر حرکت را انتخاب کنند.

سونگ جو چونگ، یکی از پژوهشگران این پروژه، می‌گوید: «الگوریتم ما با شبیه‌سازی هزاران سناریو مختلف، بهترین راه حرکت را برای ربات پیدا می‌کند. این روشی بسیار کارآمدتر از روش‌این الگوریتم جدید در انواع مختلفی از ربات‌ها از جمله پهپادها، خودروهای زمینی و فضاپیماها مورد آزمایش قرار گرفته و نتایج بسیار امیدوارکننده‌ای داشته است.های سنتی است که برای پیدا کردن بهترین مسیر زمان زیادی نیاز دارند.»

الگوریتم SETS از روشی به نام “جستجوی درختی مونت کارلو” (Monte Carlo Tree Search) استفاده می‌کند. در این روش، تمام مسیرهای ممکن به صورت یک درخت نمایش داده می‌شوند و الگوریتم با بررسی تصادفی شاخه‌های مختلف این درخت، بهترین مسیر را انتخاب می‌کند. یکی از چالش‌های اصلی در استفاده از این روش برای ربات‌ها، تعداد بسیار زیاد مسیرهای ممکن است. برای حل این مشکل، الگوریتم SETS از یک روش ترکیبی استفاده می‌کند که به آن اجازه می‌دهد تا به سرعت بهترین مسیر را پیدا کند.