EDEN：面向机器人部署的内嗅驱动的自我中心导航
机器人学
2025-06-04 v1 人工智能
摘要
深度强化学习智能体通常较为脆弱，而人类在面对不同场景时仍能保持适应性与灵活性。为弥合这一差距，我们提出了 EDEN，一个受生物学启发的导航框架，该框架集成了学习到的内嗅样网格细胞表征与强化学习以实现自主导航。受哺乳动物内嗅-海马系统启发，EDEN 允许智能体利用视觉与运动传感器数据执行路径积分与向量导航。EDEN 的核心是一个网格细胞编码器，它将自我中心运动转化为周期性空间编码，产生低维且可解释的位置嵌入。为了从原始感官输入生成这些激活，我们在轻量级 MiniWorld 模拟器中结合了基准标记检测，并在高保真 Gazebo 模拟器中结合了基于 DINO 的视觉特征。这些空间表征作为使用近端策略优化（PPO）训练的策略的输入，实现动态的、目标导向的导航。我们在用于快速原型的 MiniWorld 和提供真实物理与感知噪声的 Gazebo 中评估了 EDEN。与使用原始状态输入（如位置、速度）或标准卷积图像编码器的基线智能体相比，EDEN 在简单场景中实现了 99% 的成功率，在具有遮挡路径的复杂楼层平面中实现了 >94% 的成功率，且逐步导航更高效、更可靠。此外，作为对真实激活的替代，我们提出了一个可训练的网格细胞编码器，能够从视觉与运动传感器数据中生成周期性网格状模式，模拟了生物哺乳动物中此类模式的发展。这项工作代表了向机器人中基于生物学的空间智能迈出的一步，将神经导航原理与强化学习相结合以实现可扩展部署。
引用
@article{arxiv.2506.03046,
title = {EDEN: Entorhinal Driven Egocentric Navigation Toward Robotic Deployment},
author = {Mikolaj Walczak and Romina Aalishah and Wyatt Mackey and Brittany Story and David L. Boothe and Nicholas Waytowich and Xiaomin Lin and Tinoosh Mohsenin},
journal= {arXiv preprint arXiv:2506.03046},
year = {2025}
}