Роботы-картографы чертят карту неизведанного ✛ ✎ ✦

Оригинал: "From Consistency to Collaborative Discovery: MFEA-CoD for Multitask Novelty Search"
arXiv:2607.00761 · 2026-07-01 · arXiv non-exclusive · собственный разбор · 1 мин
Алгоритмы-картографы вместе исследуют лабиринты, а не гонятся за выходом — и находят гораздо больше путей.

Робот в лабиринте шагнул в тупик — и через минуту нашёл выход. Никакой ошибки: это тактика картографа. Он обходит гору со всех сторон, чтобы составить точную карту. Алгоритмы-разведчики теперь действуют так же: не гонятся за единственной целью, а собирают коллекцию разных маршрутов.

Новый подход, подражающий эволюции, запускает сразу нескольких искателей с небольшими вариациями. Их траектории отталкиваются друг от друга, как магниты — чтобы не повторяться. Найденное попадает в общий архив, где каждое решение хранит свой код и видимые повадки (например, координаты). В тестах на лабиринтах такие команды собрали до 3199 уникальных манёвров. Против 2824 у одиночек.

Метод пригодится для компьютерных моделей и задач со случайностью, где нужен не один ответ, а веер вариантов: от дизайна лекарств до планов роботов. Неведомый материк теперь картографируют не одиночки, а слаженные отряды. Каждый шаг вбок — дорога к открытию.

В испытаниях робот уходил прочь от цели — и необычный крюк открывал короткую дорогу. Тупик оборачивался прорывом.

\rho(x, A) = \frac{1}{K} \sum_{k=1}^{K} \mathrm{dist}(\phi(x), \mu_k)
Формальное определение новизны решения x: среднее расстояние до K ближайших точек в поведенческом пространстве из архива A
F_{\text{nov-aug}}(x) = w \cdot f(x) + (1-w) \cdot \rho(x, A)
Взвешенная сумма качества f(x) и новизны; коэффициент w регулирует баланс между оптимизацией и исследованием
Учёные
Andrey Markov
Понятия
генетический алгоритм открытие лекарств