摘要
在复杂环境中运行的反应型智能体必须对所感知的状态进行分类,并在不确定性条件下选择行动。这种不确定性可能源于传感器噪声、模糊的感知配置,或是智能体策略导致的动作区域可区分性不足。我们提出了一种用于反应型智能体的混合经典-量子架构,该架构将作为经典传感器向量表示的感知状态映射到量子特征空间中。在这个空间里,通过学习得到的概念化模型或规则定义的感知区域被表现为参考状态,当前感知与这些参考状态之间的相似度可用于辅助决策。该架构在公开的壁面跟随机器人数据集上进行了测试,共考虑了两种实现方式:(i)基于ZZ特征图的量子核分类器;(ii)一种将传感器条件直接编码到量子比特中并通过测量来选择动作的示例性量子电路。实验评估旨在作为反应式决策过程的离线模拟,而非展示完整的闭环机器人控制器或量子优势。实验结果表明,所提出的框架能够处理感知上的模糊性,并将量子态测量与离散反应动作的选择联系起来。


