《Symmetry》：Preference-Conditioned Sequential Optimization for Multi-Target Cleanup in Action-Dependent Risk Fields
编辑推荐：
核环境中的放射性源清理是设施退役和自主辐射管理的重要任务。在多目标清理场景中，每次源移除动作都会改变后续的辐射风险分布。这种动作依赖的演化使传统路径规划与常规路由方法常用的静态规划假设失效。为应对这一挑战，研究工作将多目标放射性热点清理建模为一个偏好条件化的序
核环境中的放射性源清理是设施退役和自主辐射管理的重要任务。在多目标清理场景中，每次源移除动作都会改变后续的辐射风险分布。这种动作依赖的演化使传统路径规划与常规路由方法常用的静态规划假设失效。为应对这一挑战，研究工作将多目标放射性热点清理建模为一个偏好条件化的序列组合优化问题。研究人员提出一种神经序列优化框架，通过跨模态交互整合热点图编码与辐射场图像编码。该框架生成偏好条件化的风险感知清理策略，从而在不同风险–效率权衡下实现目标选择与安全导航之间的有效协调。核热室仿真环境基于机器人操作系统（Robot Operating System，ROS）和Gazebo物理仿真引擎构建。与经典启发式方法、进化优化方法和基于强化学习的基线方法相比，所提方法在不同问题规模下均能实现更低的累积辐射暴露，同时保持有竞争力的任务效率。结果表明，该框架为动作依赖风险场中的辐射感知机器人清理提供了一种有效的任务级排序策略。
论文发表在《Symmetry》。核环境中的放射性热点清理对设施退役、热室维护和污染区域修复具有重要意义。高强度辐射对人员和机器人均构成威胁，因此用智能机器人替代人工操作成为核工业自动化的重要方向。现有研究大多将辐射环境中的任务规划视为静态路径优化，假设环境状态与风险分布在整个任务执行中保持不变，从而将问题简化为静态图结构上的单次组合优化，例如经典旅行商问题。然而，在多目标清理场景中，每完成一次热点移除，后续辐射风险分布就会被主动改变。热点访问顺序不仅决定即时导航成本，还会影响未来环境风险、任务收益和决策结构。优先清除高强度热点可能较早释放大面积低风险区域，从而降低后续累积辐射暴露；而不当顺序可能使机器人长时间处于危险区域。因此，该问题本质上是动作依赖的序列组合优化问题，而非静态规划问题。传统启发式与进化方法通常假设固定图结构和静态边权，难以刻画任务执行行为与未来环境状态之间的长期耦合；同时，针对剂量优先或效率优先等不同偏好，这些方法需要大量在线搜索和迭代优化，导致计算开销高、实时性差、泛化能力弱。
为应对上述挑战，研究人员将多目标放射性热点清理建模为偏好条件化的序列组合优化问题，并提出一种神经序列优化框架。该框架联合建模热点任务依赖结构与动态环境风险分布，通过偏好条件机制在单一模型中支持不同风险–效率权衡下的统一优化。大量仿真实验表明，与经典启发式、多目标进化方法和强化学习基线相比，该方法在不同问题规模下均能降低累积辐射暴露，同时保持有竞争力的任务效率。这一结果验证了动作依赖风险场中学习型序列优化的有效性，并为辐射感知机器人清理提供了实用的任务级排序策略。
研究人员采用的关键方法包括：使用机器人操作系统（Robot Operating System，ROS）和Gazebo物理仿真引擎构建核热室二维仿真环境，采用点核模型计算辐射剂量率分布；网络架构包含基于Post-LN Transformer的节点拓扑编码器和基于视觉Transformer（Vision Transformer，ViT）的场级视觉编码器；通过模态特定瓶颈（Modality-Specific Bottleneck，MSB）机制实现跨模态信息交换，并引入偏好注意力进行特征调制；解码器采用偏好条件自回归生成，训练时从Dirichlet分布采样偏好向量并进行帕累托过滤。模型在包含10–100个热点的随机实例上训练，使用Adam优化器训练200轮。
结果部分保留小标题如下：4.1 Experimental Environment and Settings：研究者基于ROS和Gazebo构建热室环境，随机生成10–100个热点，并通过点核模型获得二维剂量率分布，作为场级视觉编码器的输入。4.2 Evaluation Metrics：从辐射安全、运动效率、轨迹质量和计算效率四方面定义累积剂量（Accumulated Dose，AD）、路径长度（Path Length，PL）、路径平滑度（Path Smoothness，PS）和推理时间（Inference Time，IT）四个指标。4.3 Baseline Methods：选取12种代表性算法作为基线，包括最近邻、遗传算法、模拟退火、蚁群优化、多目标进化算法、混合优化算法以及基于强化学习的注意力模型基线。4.4 Overall Performance Evaluation：在10–50和50–100两个源数量规模下，所提方法AD分别为100.697 μSv和247.068 μSv，均为最低；PS也最低；IT分别为3.193 s和5.190 s，在保证较低辐射暴露的同时维持了较好的推理效率。4.5 Scalability Analysis：随热点数从10增加到100，所提方法在所有规模下均保持最低辐射剂量，且推理时间远低于ACO、ACO-GA等方法，表现出良好的大规模扩展能力。4.6 Robustness Analysis：在50热点随机场景中，所提方法具有最低中位AD和最集中分布，IT变异小，同时获得较短的路径和最低PS，表明其在不同随机布局下具有良好的鲁棒性。4.7 Visualization Comparison：轨迹可视化显示，启发式和进化方法倾向于基于局部距离或固定图代价选择目标，导致跨区域重复穿越；而所提方法生成的轨迹空间连续性和区域一致性更好，能优先处理对后续路径影响更大的高风险区域。4.8 Ablation Study：去除视觉编码模块或偏好条件化机制均会导致累积辐射剂量显著增加，并带来路径长度和平滑度退化，验证了多模态融合与偏好条件化决策对最终性能的关键贡献。4.9 Robustness to Sensing and Localization Noise：在40热点场景中引入位置噪声和辐射测量误差。最大0.5 m位置噪声使路径长度增加27.7%、累积剂量增加16.2%；10%源强误差下路径长度仅增加7.8%，累积剂量保持稳定，表明策略学到整体空间风险模式而非记忆特定源信息。4.10 Training Convergence Analysis：200轮训练中损失在前50轮快速下降并随后稳定；运动效率、环境风险和辐射暴露三个目标同步收敛，无明显单目标偏置，说明偏好条件化机制能有效平衡竞争目标。
讨论部分指出，当前实现从初始环境估计编码辐射图，并在自回归生成过程中复用图像块特征，因此属于动作依赖代价下的开环规划器；若环境估计明显偏差，需用更新信息重新生成剩余序列。在嵌入式平台Jetson Orin NX上，推理时间随热点数近似线性增长，适合低频任务级排序。模型在10–100热点上训练并可对多达200热点的实例生成可行解，但不保证任意规模下的全局最优和无限泛化。仿真采用二维点源叠加模型，未显式建模光子散射、屏蔽、材料衰减、二次辐射和非完整观测，未来需结合更真实的辐射输运模型、不确定性感知和闭环重规划。结论部分可概括为：本研究聚焦多目标放射性清理中清理顺序重塑后续风险分布这一关键特征，论证了将核环境清理从静态路径优化重构为动作依赖序列决策问题的必要性。仅依赖几何距离或固定图结构的启发式与进化方法难以稳健处理热点移除后辐射场重构带来的长期风险耦合。所提出的偏好条件化神经序列优化方法在热点拓扑关系与连续辐射场分布之间建立了有效联系，使清理策略不再仅仅追求局部最短路径，而是优先处理对后续任务影响更大的高风险区域。实验结果表明，场级风险感知与偏好条件化决策是降低累积辐射剂量、保持路径效率和提高复杂场景适应性的关键。该学习型序列优化框架为核工业环境中的自主机器人清理提供了更实用的控制与决策方案。未来工作将扩展至多机器人协作，研究多智能体偏好条件化优化或上层任务分配与下层路径规划相结合的分层架构，并考虑
