生物启发的拓扑自主导航中的主动推理机器人技术.pdfVIP

生物启发的拓扑自主导航中的主动推理机器人技术

DariadeTinguy,TimVerbelen,EmilioGamba,BartDhoedt

GhentUniversity,Ghent,Belgium

(daria.detinguyatugent.be

Verses,LosAngeles,California,USA,

FlandersMake,Leuven,Belgium,

Correspondingauthor

Abstract:实现完全自主的探索和导航仍然是机器人领域的一个关键挑战，需要集成定位、建图、决策和运动

规划等解决方案。现有方法要么依赖缺乏适应性的严格导航规则，要么依赖预训练，这需要大量的数据集。这些

人工智能方法通常计算密集或基于静态假设，限制了它们在动态或未知环境中的适应性。本文介绍了一种基于

主动推断框架（AIF）的生物启发代理，它统一了建图、定位和自主导航中的自适应决策，包括探索和目标达成。

我们的模型实时创建并更新环境的拓扑地图，规划有目的的轨迹以进行探索或达到目标，而无需预训练。关键

贡献包括一种可解释导航的概率推理框架，对动态变化的强大适应性，以及与现有导航系统兼容的模块化ROS2

本架构。我们在模拟和真实世界环境中测试了该方法。代理成功地探索了大规模的模拟环境，并适应了动态障碍

物和漂移，证明其性能可与其他探索策略如Gbplanner、FAEL和Frontiers相比。这种方法为导航复杂、非结

译构化的环境提供了可扩展且透明的方法。

中

Keywords:自主导航，生物启发，主动推理，探索，零样本学习，认知地图

1

v

7

61.介绍立既具备自适应能力又高效利用数据的框架，能够

2

7向完全自动化的工厂过渡需要能够自主探索和在没有预训练的情况下运作，并且在部分可观察和

0动态环境中表现出韧性。

.导航其环境的机器人，这是机器人学中的一个关键

8主动推断框架（AIF），根植于神经科学，通过将

0挑战。

5为了有效导航，代理必须收集和解释感官数据导航视为一种预测推理过程提供了一个有前景的替

2代方案。我们的模型受到AIF原则的启发，在零样

:（例如，激光雷达、摄像头）以感知周围环境，适应

v本、在线方式下运行，持续从传入的感觉数据中学习

i环境变化，并优化其运动策略以最小化计算能力和最

x而无需预先训练。这使其能够在新奇、视觉模糊和动

r大化覆盖效率。解决这些挑战对于在大型动态环境中

a态的环境中高效地定位、建图和规划。

实现稳健、可扩展和自适应的机器人导航至关重要。

我们的贡献如下。

有许多方法可以解决自主导航的挑战。硬编码

新的机器人视角：我们提出了一种结合了建图、定

或基于启发式的方法[1],[2]易于解释且计算成本低，