Exploring and Learning Structure: Active Inference Approach in Navigational Agents

要約

動物のナビゲーション戦略からヒントを得て、生物学的な原理に根ざしたナビゲーションとマッピングの新しい計算モデルを紹介する。動物は、記憶、想像力、戦略的意思決定を効率的に用いて、複雑でエイリアスの多い環境をナビゲートすることにより、驚くべきナビゲーション能力を示す。このような洞察に基づき、我々は従来の認知的マッピングアプローチと能動的推論フレームワーク（AIF）を統合し、数ステップで環境構造を学習する。長期記憶のためのトポロジカルマッピングと、ナビゲーション計画と構造学習のためのAIFを組み込むことにより、我々のモデルは動的に環境構造を理解し、探索中に予測された信念で内部マップを拡張することができる。クローン構造グラフ（CSCG）モデルとの比較実験により、本モデルが、ナビゲーションの重複を最小限に抑えながら、1回のエピソードで環境構造を迅速に学習する能力があることが明らかになった。これは、環境の次元や観測の種類に関する事前知識なしで達成され、曖昧な環境をナビゲートする際の頑健性と有効性を示している。

要約(オリジナル)

Drawing inspiration from animal navigation strategies, we introduce a novel computational model for navigation and mapping, rooted in biologically inspired principles. Animals exhibit remarkable navigation abilities by efficiently using memory, imagination, and strategic decision-making to navigate complex and aliased environments. Building on these insights, we integrate traditional cognitive mapping approaches with an Active Inference Framework (AIF) to learn an environment structure in a few steps. Through the incorporation of topological mapping for long-term memory and AIF for navigation planning and structure learning, our model can dynamically apprehend environmental structures and expand its internal map with predicted beliefs during exploration. Comparative experiments with the Clone-Structured Graph (CSCG) model highlight our model’s ability to rapidly learn environmental structures in a single episode, with minimal navigation overlap. this is achieved without prior knowledge of the dimensions of the environment or the type of observations, showcasing its robustness and effectiveness in navigating ambiguous environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL