A3RNN：机器人发育视觉注意中自下而上与自上而下过程的双向融合

本研究探讨了机器人学习中自上而下（TD）与自下而上（BU）视觉注意之间的发育性交互。我们的目标是理解类人、结构化的注意行为如何通过 TD 与 BU 机制随时间相互适应而涌现。为此，我们提出了一种新颖的注意模型 $A^3 RNN$，该模型通过双向注意架构整合了预测性的 TD 信号与基于显著性的 BU 线索。我们在机器人操作任务中使用模仿学习对模型进行了评估。实验结果表明，注意行为在整个训练过程中不断演化，从显著性驱动的探索逐步过渡到预测驱动的引导。最初，BU 注意突出了视觉显著区域，引导 TD 过程；而随着学习的推进，TD 注意趋于稳定，并开始重塑被感知为显著的内容。这一轨迹反映了认知科学和自由能框架中的原理，凸显了通过感知与内部预测之间的交互实现注意自组织的重要性。尽管并未显式针对稳定性进行优化，我们的模型相比基线展现出了更为连贯且可解释的注意模式，支持了发育机制有助于形成稳健注意这一观点。