NIST公布强化学习疏散模型Safe Step，按火势演变逐步规划最安全逃生路线

美国国家标准与技术研究院在2026年6月4日发布研究进展，公开了一套名为Safe Step的人工智能疏散模型。该模型采用强化学习方法，通过反复试错来学习疏散决策，并结合建筑平面布局与火灾模拟数据，预测火势随时间的演变过程，从而为楼内人员逐步给出更安全的撤离路线，并可与动态应急出口指示装置配合，随火情变化调整引导方向。NIST指出，传统疏散算法通常只依据当前时刻的状况选择最短路径，而Safe Step会预测火灾如何发展，把人员沿途累积承受的危害一并纳入考量。该研究由NIST研究员方洪强牵头，机械工程师Wai Cheong Tam以及Ruggiero Lovreglio、Md. Ismail Siddiqi Emon、Michael Xuelin Huang等人参与。目前模型适用于单层平面布局，多楼层能力仍在开发之中。研究人员估计，此类技术在通过监管审批与可靠性测试后，可能在五到十年内进入商业应用。

这是把强化学习从数字场景推向建筑消防安全等高风险物理场景的一次公共机构验证，显示AI应用正从预测分析延伸到实时生命安全决策，并为智能楼宇和应急指示设备厂商指出明确的技术方向与合规门槛。

对智能楼宇、消防设备与应急指示系统厂商而言，动态疏散引导可能成为新的产品形态；建筑业主与监管机构需要提前考虑此类AI决策系统的可靠性验证、责任归属与认证路径。