用于自主机器人导航的深度主动推断

主动推断是一种支撑生物智能体在真实世界中感知与行动的理论。其核心基于这样的原理：大脑是一种近似贝叶斯推断引擎，构建内部生成模型以驱动智能体走向最小惊奇。尽管该理论在认知神经科学中有坚实基础并展现出有趣结果，但其应用仍局限于具有小型预定义传感器与状态空间的仿真。在本文中，我们利用深度学习的最新进展构建更复杂的生成模型，可在无需预定义状态空间的情况下工作。状态表示由真实世界高维感官数据（如相机帧）端到端学习得到。我们还展示了这些生成模型可用于进行主动推断。据我们所知，这是深度主动推断在真实世界机器人导航任务中的首次应用。