Belirsizlik altında karar verme konusunda temel bir problem olan 'hareket halindeki hedefi koku ile tespit etme' sorunu, bilim insanları tarafından matematiksel olarak modellenmiş durumda. Av arayan hayvanlardan, eş bulan böceklere ve otonom robot sistemlerine kadar birçok alan için kritik olan bu problem, gecikmiş ve kesintili duyusal sinyallerle çalışmayı gerektiriyor.
Koku sinyalleri doğası gereği kesintili oluyor ve türbülans benzeri transport süreçleri tarafından güçlü bir şekilde karıştırılıyor. Üstelik genellikle gerçek hedef pozisyonunun gerisinde kalıyor, bu da lokalizasyonu zorlaştırıyor.
Araştırmacılar bu sorunu 'kısmen gözlemlenebilir Markov karar süreci' olarak formüle ettiler. Sistemde bir ajan, hedefin hem pozisyonu hem de hızı hakkında ortak bir inanç durumu sürdürüyor. Ayrık koş-ve-yuvarlan modeli kullanarak, Bellman denklemini sayısal olarak çözerek yarı-optimal politikalar hesapladılar.
Geliştirilen model, Infotaxis gibi köklü bilgi-teorik stratejilerle karşılaştırıldı. Sonuçlar gösteriyor ki, tamamen keşifsel politikalar hedef sık sık yön değiştirdiğinde neredeyse optimal performans sergiliyor. Ancak hedef kararlı bir hareket sergilediğinde bu yaklaşımlar dramatik bir şekilde başarısız oluyor.
Bu çalışma, doğada gözlemlenen karmaşık avcılık davranışlarının matematiksel temellerini anlamamıza katkı sağlarken, gelecekteki robotik uygulamalar için de önemli bir temel oluşturuyor.