アクティブ・インファレンスに基づく、自律ロボットのナビゲーションのためのオンライン構造学習と計画

要旨: 未知の環境における自律移動には、事前に定義された地図や大規模な学習に頼ることなく、不確実性のもとで同時に探索し、自己位置推定を行い、計画することが求められます。私たちは、動物のナビゲーションにおける認知マッピングの概念（位相的な組織化、離散的な空間表現、予測に基づく信念更新）を設計の着想源としつつ、地図作成、自己位置推定、意思決定を単一の生成モデルの中で統合する枠組みであるActive Inference MAPping and Planning（AIMAPP）を提案します。エージェントはオンラインで疎な位相地図を構築・更新し、状態遷移を動的に学習し、期待自由エネルギーを最小化することで行動を計画します。これにより、目標に導かれた振る舞いと探索的な振る舞いのバランスを取ることが可能になります。私たちはAIMAPPを、ROSに対応したシステムとして実装し、センサおよびロボットに依存しない形で、多様なハードウェア構成と統合できるようにしました。本システムは完全に自己教師ありで動作し、センサ故障に対して頑健で、測域（オドメトリ）ドリフトが生じても動作を継続し、事前学習なしで探索と目標に導かれたナビゲーションの両方を支援します。私たちは、大規模な実環境およびシミュレート環境において、最先端の計画ベースラインと比較して評価を行い、曖昧な観測、環境変化、およびセンサノイズに対する適応性を示しました。このモデルは、非構造化環境におけるスケーラブルなナビゲーションに対する、モジュール化された自己教師ありの解を提供します。AIMAPPは https://github.com/decide-ugent/aimapp で利用可能です。