論文の概要: Learning Dynamic Cognitive Map with Autonomous Navigation
- arxiv url: http://arxiv.org/abs/2411.08447v1
- Date: Wed, 13 Nov 2024 08:59:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-14 16:10:40.613230
- Title: Learning Dynamic Cognitive Map with Autonomous Navigation
- Title（参考訳）: 自律ナビゲーションを用いた動的認知マップの学習
- Authors: Daria de Tinguy, Tim Verbelen, Bart Dhoedt,
- Abstract要約: 生物にインスパイアされた原理に根ざした空間をナビゲートし、マッピングするための新しい計算モデルを導入する。
我々のモデルは、予測されたポーズに対する動的に拡大する認知マップをActive Inferenceフレームワークに組み込んでいる。
我々のモデルは、観測と世界次元に関する事前の知識なしにこれを達成し、複雑な環境をナビゲートする際の頑丈さと有効性を裏付ける。
- 参考スコア（独自算出の注目度）: 8.301959009586861
- License:
- Abstract: Inspired by animal navigation strategies, we introduce a novel computational model to navigate and map a space rooted in biologically inspired principles. Animals exhibit extraordinary navigation prowess, harnessing memory, imagination, and strategic decision-making to traverse complex and aliased environments adeptly. Our model aims to replicate these capabilities by incorporating a dynamically expanding cognitive map over predicted poses within an Active Inference framework, enhancing our agent's generative model plasticity to novelty and environmental changes. Through structure learning and active inference navigation, our model demonstrates efficient exploration and exploitation, dynamically expanding its model capacity in response to anticipated novel un-visited locations and updating the map given new evidence contradicting previous beliefs. Comparative analyses in mini-grid environments with the Clone-Structured Cognitive Graph model (CSCG), which shares similar objectives, highlight our model's ability to rapidly learn environmental structures within a single episode, with minimal navigation overlap. Our model achieves this without prior knowledge of observation and world dimensions, underscoring its robustness and efficacy in navigating intricate environments.
- Abstract（参考訳）: 動物ナビゲーション戦略にインスパイアされた我々は、生物にインスパイアされた原理に根ざした空間をナビゲートし、マッピングするための新しい計算モデルを導入する。
動物は異常な航法能力、記憶力、想像力、戦略的決定力を活用して複雑な環境を順調に横断する。
提案モデルは,予測されたポーズに対して動的に拡大する認知マップをアクティブ推論フレームワークに組み込むことで,エージェントの生成モデル可塑性を新規性や環境変化に拡張することを目的としている。
構造学習と能動推論ナビゲーションを通じて,本モデルは効率的な探索と利用を実証し,予期される新規な未知の場所に対応するモデル容量を動的に拡張し,過去の信念に反する新たな証拠を得られたマップを更新する。
ミニグリッド環境と類似の目的を共有するClone-Structured Cognitive Graph Model (CSCG)の比較分析では,ナビゲーションオーバーラップを最小限に抑えながら,単一エピソード内で環境構造を迅速に学習する能力を強調した。
我々のモデルは、観測と世界次元に関する事前の知識なしにこれを達成し、複雑な環境をナビゲートする際の頑丈さと有効性を裏付ける。
関連論文リスト
- Exploring and Learning Structure: Active Inference Approach in Navigational Agents [8.301959009586861]
動物は記憶、想像力、戦略的な意思決定を効率的に利用することで優れたナビゲーション能力を示す。
生物にインスパイアされた原理に根ざし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する。
論文 参考訳（メタデータ） (2024-08-12T08:17:14Z) - Learning Spatial and Temporal Hierarchies: Hierarchical Active Inference
for navigation in Multi-Room Maze Environments [8.301959009586861]
本稿では,画素ベースの観測から世界の構造を推定する課題に対処する階層的アクティブ推論モデルを提案する。
本稿では,好奇心を駆使した探索と目標志向の行動を組み合わせた認知マップ,アロセントリック,エゴセントリックな世界モデルからなる3層階層モデルを提案する。
論文 参考訳（メタデータ） (2023-09-18T15:24:55Z) - Learning Navigational Visual Representations with Semantic Map
Supervision [85.91625020847358]
エージェントの自我中心のビューとセマンティックマップを対比してナビゲーション固有の視覚表現学習法を提案する。
Ego$2$-Map学習は、オブジェクト、構造、遷移などのコンパクトでリッチな情報を、ナビゲーションのためのエージェントのエゴセントリックな表現に転送する。
論文 参考訳（メタデータ） (2023-07-23T14:01:05Z) - Active Sensing with Predictive Coding and Uncertainty Minimization [0.0]
2つの生物学的計算から着想を得たエンボディード探索のためのエンドツーエンドの手法を提案する。
まず,迷路ナビゲーションタスクによるアプローチを実演し,環境の遷移分布と空間的特徴を明らかにする。
本モデルでは,視覚シーンを効率的に分類するための探索によって,教師なし表現を構築する。
論文 参考訳（メタデータ） (2023-07-02T21:14:49Z) - Inferring Hierarchical Structure in Multi-Room Maze Environments [4.6956495676681484]
本稿では,画素ベースの観測から世界の構造を推定する課題に対処する階層的アクティブ推論モデルを提案する。
本稿では,好奇心を駆使した探索と目標志向の行動を組み合わせた認知マップ,アロセントリック,エゴセントリックな世界モデルからなる3層階層モデルを提案する。
論文 参考訳（メタデータ） (2023-06-23T15:15:57Z) - Causal Navigation by Continuous-time Neural Networks [108.84958284162857]
本研究では,連続時間ニューラルネットワークを用いた因果表現学習のための理論的,実験的枠組みを提案する。
本手法は,ドローンの視覚制御学習の文脈において,一連の複雑なタスクにおいて評価する。
論文 参考訳（メタデータ） (2021-06-15T17:45:32Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z) - Learning intuitive physics and one-shot imitation using
state-action-prediction self-organizing maps [0.0]
人間は探索と模倣によって学び、世界の因果モデルを構築し、両方を使って新しいタスクを柔軟に解決する。
このような特徴を生み出す単純だが効果的な教師なしモデルを提案する。
エージェントがアクティブな推論スタイルで柔軟に解決する、複数の関連するが異なる1ショットの模倣タスクに対して、その性能を示す。
論文 参考訳（メタデータ） (2020-07-03T12:29:11Z) - Object Goal Navigation using Goal-Oriented Semantic Exploration [98.14078233526476]
本研究は,未確認環境における対象カテゴリーのインスタンスにナビゲートするオブジェクトゴールナビゲーションの問題を研究する。
本稿では,表層的なセマンティックマップを構築し,効率的に環境を探索する「ゴール指向セマンティック探索」というモジュールシステムを提案する。
論文 参考訳（メタデータ） (2020-07-01T17:52:32Z) - Neural Topological SLAM for Visual Navigation [112.73876869904]
意味論を生かし、近似幾何学的推論を行う空間のトポロジ的表現を設計する。
本稿では,ノイズのあるアクティベーションの下でそのような表現を構築し,維持し,使用することができる教師付き学習ベースアルゴリズムについて述べる。
論文 参考訳（メタデータ） (2020-05-25T17:56:29Z) - Learning to Move with Affordance Maps [57.198806691838364]
物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。
従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。
学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
論文 参考訳（メタデータ） (2020-01-08T04:05:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。