Integrating cognitive map learning and active inference for planning in ambiguous environments

要約

生物は、世界の構造を学習するための認知地図と、曖昧な環境をナビゲートするという課題に対処できる計画メカニズムの両方を獲得する必要があります。
これらの各分野は個別に大きな進歩を遂げてきましたが、それらを統合する最良の方法は未解決の研究課題です。
この論文では、不確実性の下での計画をサポートするアクティブ推論エージェント内での認知マップ形成の統計モデルの統合を提案します。
具体的には、3 つの空間ナビゲーション シナリオで、認知マップ形成のクローン構造コグニティブ グラフ (CSCG) モデルを検証し、単純なクローン グラフ エージェントとアクティブな推論駆動型のクローン グラフ エージェントを比較します。
私たちの調査結果は、どちらのエージェントも単純なシナリオでは効果的ですが、感覚観察によって位置に関する曖昧な情報が得られるような困難なシナリオで計画を立てる場合には、アクティブ推論エージェントがより効果的であることを示しています。

要約(オリジナル)

Living organisms need to acquire both cognitive maps for learning the structure of the world and planning mechanisms able to deal with the challenges of navigating ambiguous environments. Although significant progress has been made in each of these areas independently, the best way to integrate them is an open research question. In this paper, we propose the integration of a statistical model of cognitive map formation within an active inference agent that supports planning under uncertainty. Specifically, we examine the clone-structured cognitive graph (CSCG) model of cognitive map formation and compare a naive clone graph agent with an active inference-driven clone graph agent, in three spatial navigation scenarios. Our findings demonstrate that while both agents are effective in simple scenarios, the active inference agent is more effective when planning in challenging scenarios, in which sensory observations provide ambiguous information about location.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google