Active Exploration based on Information Gain by Particle Filter for Efficient Spatial Concept Formation

要約

自律型ロボットは、環境を探索したりユーザーと対話したりすることで、さまざまな場所のカテゴリを学習する必要があります。
ただし、ユーザーからの言語指示を使用してトレーニング データセットを準備するには、時間と労力がかかります。
さらに、適切なコンセプトの形成と環境の迅速な網羅には、効果的な探査が不可欠です。
この問題に対処するために、我々は、粒子フィルターを使用した逐次ベイジアン推論と確率生成モデルにおける情報ゲインベースの目的地決定を組み合わせた、情報ゲインベースのアクティブ探索による空間概念形成 (SpCoAE) と呼ばれるアクティブ推論方法を提案します。
この研究では、ロボットの行動をユーザーに「ここはどんな場所ですか?」と尋ねるための目的地の選択として解釈しています。
能動的推論のコンテキストで。
この研究は、ロボットによる能動的な知覚と探索を含む、提案された方法の技術的側面と、この方法により移動ロボットが能動的な探索を通じて空間概念をどのように学習できるかについての洞察を提供します。
私たちの実験では、家庭環境で適切な空間概念を学習するための目的地を効率的に決定する際の SpCoAE の有効性を実証しました。

要約(オリジナル)

Autonomous robots need to learn the categories of various places by exploring their environments and interacting with users. However, preparing training datasets with linguistic instructions from users is time-consuming and labor-intensive. Moreover, effective exploration is essential for appropriate concept formation and rapid environmental coverage. To address this issue, we propose an active inference method, referred to as spatial concept formation with information gain-based active exploration (SpCoAE) that combines sequential Bayesian inference using particle filters and information gain-based destination determination in a probabilistic generative model. This study interprets the robot’s action as a selection of destinations to ask the user, `What kind of place is this?’ in the context of active inference. This study provides insights into the technical aspects of the proposed method, including active perception and exploration by the robot, and how the method can enable mobile robots to learn spatial concepts through active exploration. Our experiment demonstrated the effectiveness of the SpCoAE in efficiently determining a destination for learning appropriate spatial concepts in home environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google