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インスピレーションを得て、生物学にヒントを得た原理に基づいた、ナビゲーションとマッピングのための新しい計算モデルを導入します。
動物は、複雑で別名のある環境をナビゲートするために、記憶、想像力、戦略的意思決定を効率的に使用することで、優れたナビゲーション能力を発揮します。
これらの洞察に基づいて、従来のコグニティブ マッピング アプローチをアクティブ推論フレームワーク (AIF) と統合して、数ステップで環境構造を学習します。
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 の組み込みにより、私たちのモデルは環境構造を動的に把握し、探査中に予測された信念に基づいて内部マップを拡張できます。
クローン構造グラフ (CSCG) モデルとの比較実験は、ナビゲーションの重複を最小限に抑えながら、単一のエピソードで環境構造を迅速に学習するモデルの能力を強調しています。
これは、環境の規模や観測の種類についての事前知識がなくても達成され、曖昧な環境をナビゲートする際の堅牢性と有効性を示しています。

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, Google