符号演化控制器

性能比肩深度强化学习

通过可解释的符号演化产生紧凑的速度控制器，同时保留明确的协调逻辑，用于群体机器人任务。

Chen, Wang · 朱承 · Minfang, Lu · Jiangyao, Bai · 乔林波

Engineering Applications of Artificial Intelligence 2026

技术优势

可解释

演化出的符号公式可被LLM解释为物理机制，如虚拟阻尼和势场整形，使控制器不再是黑箱。

搜索高效

图神经网络引导蒙特卡洛树搜索，在大的符号搜索空间中高效识别紧凑的速度控制器。

性能比肩DRL

在三个群体任务上达到与深度强化学习基线相当的性能，同时保留显式协调逻辑。

应用场景

• 群体机器人：为群体机器人提供可解释的速度控制器，替代黑箱神经网络。
• 具身智能：将物理机制嵌入控制策略，增强机器人的具身认知能力。
• 先进机器人：推动先进机器人系统采用可解释的符号控制方法。
• 工业机器人：为工业机器人提供可追溯的决策逻辑，提升调试与维护效率。