Spatial and Temporal Hierarchy for Autonomous Navigation using Active Inference in Minigrid Environment

要約

確固たる証拠は、人間が位相的ランドマークと粗粒度の経路統合を組み合わせて環境を探索していることを示唆しています。
このアプローチは、識別可能な環境特徴 (トポロジカル ランドマーク) と、距離と方向の推定 (粗粒度の経路統合) を併用して、周囲の認知マップを構築します。
この認知マップは階層構造を示しており、複雑なナビゲーション タスクを解決する際に効率的な計画を立てることができると考えられています。
この論文は、人間の行動にインスピレーションを得て、自律ナビゲーション、探索、および目標指向の行動のためのスケーラブルな階層型アクティブ推論モデルを紹介します。
このモデルは、視覚的観察と運動認識を使用して、好奇心主導の探索と目標指向の行動を組み合わせています。
動きは、さまざまなレベルの推論を使用して計画されます。つまり、文脈から場所、動きに至るまでです。
これにより、新しい空間での効率的なナビゲーションと、目標に向けた迅速な前進が可能になります。
これらの人間のナビゲーション戦略と環境の階層表現を組み込むことにより、このモデルは自律ナビゲーションと探索のための新しいソリューションを提案します。
このアプローチは、ミニグリッド環境でのシミュレーションを通じて検証されます。

要約(オリジナル)

Robust evidence suggests that humans explore their environment using a combination of topological landmarks and coarse grained path-integration. This approach relies on identifiable environmental features (topological landmarks) in tandem with estimations of distance and direction (coarse grained path-integration) to construct cognitive maps of the surroundings. This cognitive map is believed to exhibit a hierarchical structure, allowing efficient planning when solving complex navigation tasks. Inspired by the human behaviour, this paper presents a scalable hierarchical active inference model for autonomous navigation, exploration, and goal-oriented behaviour. The model uses visual observation and motion perception to combine curiosity-driven exploration with goal-oriented behaviour. Motion is planned using different levels of reasoning, i.e. from context to place to motion. This allows for efficient navigation in new spaces and rapid progress toward a target. By incorporating these human navigational strategies and their hierarchical representation of the environment, this model proposes a new solution for autonomous navigation and exploration. The approach is validated through simulations in a mini-grid environment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google