Learning Dynamic Cognitive Map with Autonomous Navigation

要約

動物のナビゲーション戦略にインスピレーションを得て、生物学にインスピレーションを得た原理に基づいて空間をナビゲートし、マッピングするための新しい計算モデルを導入します。
動物は並外れたナビゲーション能力を示し、記憶、想像力、戦略的意思決定を利用して、複雑でエイリアスのある環境を巧みに横断します。
私たちのモデルは、アクティブ推論フレームワーク内で予測されたポーズに対して動的に拡張する認知マップを組み込むことでこれらの機能を再現し、新規性や環境の変化に対するエージェントの生成モデルの可塑性を強化することを目的としています。
構造学習とアクティブな推論ナビゲーションを通じて、私たちのモデルは効率的な探索と活用を実証し、予想される新しい未訪問の場所に応じてモデルの能力を動的に拡張し、以前の信念に矛盾する新しい証拠が与えられた場合にマップを更新します。
ミニグリッド環境における同様の目的を共有するクローン構造認知グラフ モデル (CSCG) との比較分析では、ナビゲーションの重複を最小限に抑えながら、単一のエピソード内で環境構造を迅速に学習するモデルの能力が強調されています。
私たちのモデルは、観測や世界の次元に関する事前の知識がなくてもこれを達成し、複雑な環境をナビゲートする際のその堅牢性と有効性を強調しています。

要約(オリジナル)

Inspired by animal navigation strategies, we introduce a novel computational model to navigate and map a space rooted in biologically inspired principles. Animals exhibit extraordinary navigation prowess, harnessing memory, imagination, and strategic decision-making to traverse complex and aliased environments adeptly. Our model aims to replicate these capabilities by incorporating a dynamically expanding cognitive map over predicted poses within an Active Inference framework, enhancing our agent’s generative model plasticity to novelty and environmental changes. Through structure learning and active inference navigation, our model demonstrates efficient exploration and exploitation, dynamically expanding its model capacity in response to anticipated novel un-visited locations and updating the map given new evidence contradicting previous beliefs. Comparative analyses in mini-grid environments with the Clone-Structured Cognitive Graph model (CSCG), which shares similar objectives, highlight our model’s ability to rapidly learn environmental structures within a single episode, with minimal navigation overlap. Our model achieves this without prior knowledge of observation and world dimensions, underscoring its robustness and efficacy in navigating intricate environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google