面向人形机器人的主动推断身体感知与动作模型
机器人学
2021-02-08 v3 人工智能
摘要
为人工智能体提供与生物系统相同的计算模型是理解智能行为如何产生的一种方式。我们提出了一种首次在人形机器人中运行的主动推断身体感知与动作模型。该模型依赖于为大脑提出的自由能原理，其中感知与动作的目标均是通过对变分自由能界进行梯度下降来最小化预测误差。身体状态（隐变量）通过最小化观测到的（视觉与本体感觉）传感器值与预测值之间的差异来推断。同时，动作使感官数据采样更好地对应于内部模型所作的预测。我们在 iCub 机器人上形式化并实现该算法，并在 2D 与 3D 视觉空间中测试其对视觉变化、感官噪声以及模型与真实机器人之间差异的在线适应。我们还将我们的方法与经典逆运动学在抓取任务中比较，分析这种受神经科学启发的方法对真实世界交互的适用性。该算法赋予机器人自适应身体感知与上身抓取及头部物体跟踪（幼儿般）能力，并能够以闭环方式在线融入视觉特征而不增加计算复杂度。此外，我们的模型在感觉运动冲突下预测了不随意动作，为主动推断在人类中的潜在验证指明了路径。
引用
@article{arxiv.1906.03022,
title = {Active inference body perception and action for humanoid robots},
author = {Guillermo Oliver and Pablo Lanillos and Gordon Cheng},
journal= {arXiv preprint arXiv:1906.03022},
year = {2021}
}
备注
Under review