图灵汇官网

麻省理工学院和伍兹霍尔海洋研究所的研究人员开发了一种自主机器人系统，能在广阔的未知水域中高效地找到最具科学价值的采样点。这类研究通常关注采集环境中最有趣位置的样本，比如化学泄漏源头或水深最深的地方。然而，这种探索往往面临效率和精确度的问题。传统方法中，机器人常常像割草机一样来回移动，耗费大量时间并收集大量无关紧要的样本。另一些机器人则依靠高浓度轨迹追踪泄漏源头，但容易被误导，因为化学物质可能在远离源头的地方聚集。

成功的探索

在国际智能机器人系统会议上，研究人员介绍了一种名为“羽状物”（PLUMES）的系统，这种自主机器人能更快更有效地定位最大值。PLUMES机器人利用概率技术预测哪些路径可能导向最大值，并在遇到障碍物、移动水流等因素时进行导航。当机器人采集样本时，它会评估已获取的信息，决定是否继续沿着一条有希望的路径前进，或是探索可能隐藏更多有价值样本的未知领域。PLUMES机器人不会被困在高浓度区域，避免了误判的情况。在100次模拟实验中，PLUMES机器人在不同水下环境中，能够在分配的时间内收集到七到八倍于传统方法的样本。

探索权衡

PLUMES机器人的核心在于如何平衡从已知高浓度区域获取信息和探索未知区域之间的复杂折衷。研究人员采用高斯过程模型来预测环境变量，如化学浓度，并估计传感不确定性。然后，PLUMES机器人根据这些信息对可能的路径进行排序。机器人首先随机选择路径，但每次采集样本都会更新高斯过程模型，从而减少对未知路径的不确定性。为了选择最佳路径，PLUMES机器人使用了一种改进的蒙特卡洛树搜索算法（MCTS），这种算法在围棋和国际象棋等游戏中广泛应用。MCTS通过模拟未来可能的行动来选择最优路径，而PLUMES机器人则通过“连续观测MCTS”来应对未知环境中的动态变化。

估算路径

PLUMES机器人选择下一个采样点的方法基于其对未来所有可能行为的预测能力。它通过模拟未来路径，利用高斯过程和新的目标函数来评估每条路径的价值。当机器人最终收敛于一个点时，它认为该点可能是最大值，因为无法在该点找到更高的值，所以停止探索。

目前，研究人员正与伍兹霍尔海洋研究所的科学家合作，利用PLUMES机器人定位火山喷发产生的化学羽流，并研究北极地区沿海河口的甲烷排放情况。这些科学家对大气中化学气体的来源非常感兴趣，但这些区域可能覆盖数百平方英里。PLUMES机器人可以帮助科学家更高效地收集有价值的样本，节省时间和资源。