機器人輻射源定位（RSL）技術在核安全、環境監測以及放射性廢物處理等領域具有重要的應用價值。傳統方法通常需要機器人沿着規劃路徑靠近輻射源，通過測量伽馬射線通量來估計源的位置。然而，這種策略存在兩個主要問題：首先，靠近輻射源會增加機器人受到輻射損傷的風險，可能導致電子元件失效或機械部件退化；其次，專門為輻射源定位設計的路徑規劃算法會限制機器人在放射性環境中的任務靈活性，使得機器人難以同時執行其他操作。
為了解決這些挑戰，來自韓國首爾大學的研究團隊提出了一種基於物理信息機器學習（PIML）的自動化框架。該框架的核心創新在於設計了一種物理啓發的模型張量，能夠有效地處理未知障礙物對伽馬射線通量信號的衰減效應。通過並行計算多個這樣的PIML模型，系統可以綜合不同測量路徑上的數據，從而顯著提高輻射源定位的魯棒性和精度，而無需機器人刻意靠近源。
為了驗證方法的有效性，研究團隊首先在高保真模擬環境中進行了廣泛測試。他們利用蒙特卡洛粒子輸運方法模擬了各種隨機化場景，包括不同空間尺度（從幾米到幾十米）、不同類型的輻射源（如點源和麪源）、各種障礙物材料（如混凝土、鋼鐵）和幾何形狀，以及多種機器人軌跡。模擬結果表明，該方法能夠在所有測試條件下保持較高的定位精度，即使機器人的測量路徑遠離實際源位置。
除了仿真驗證，研究人員還進行了物理實驗，使用了真實輻射源和障礙物配置，這些配置並未包含在模擬評估中。實驗結果進一步證實了該方法的實用性和可靠性。值得注意的是，在真實機器人部署中，系統採用了連續學習技術，使得機器人能夠在線運行過程中不斷更新模型參數，從而適應環境變化和傳感器漂移，增強了系統的實用性和長期穩定性。
這項研究將機器人的輻射感知能力從簡單的點通量檢測提升到空間智能層面，為未來在核設施巡檢、放射性物質泄露應急響應以及太空探索等領域自主機器人應用奠定了堅實基礎。相關論文以“Physics-Guided Robotic Radiation Source Localization along Arbitrary Measurement Paths in Unstructured Environments”為題發表於arXiv預印本（arXiv:2606.27624），論文包含18頁正文、14張圖表和2張表格。