Home Run：通过想象轨迹找到回家的路
机器学习
2022-08-24 v1 人工智能
摘要
在研究无约束行为并允许小鼠离开笼子导航复杂迷宫时，小鼠表现出在迷宫中搜寻奖励的觅食行为，并不时返回其家笼，例如去饮水。令人惊讶的是，在执行这样的“home run”时，小鼠并不沿完全反向的路径返回，事实上，进入路径与回家路径的重叠极少。近期工作提出了一种用于导航的分层主动推断模型，其中低层模型对解释感官输入的隐藏状态和位姿进行推断，而高层模型对位置间的移动进行推断，有效地构建环境地图。然而，使用该“地图”进行规划，只能让智能体找到其先前探索过的轨迹，远不同于观察到的小鼠行为。在本文中，我们探索通过在规划算法中纳入此前未访问过的路径的方法，利用低层生成模型来想象潜在却尚未发现的路径。我们在网格世界环境中展示了概念验证，表明智能体如何利用从基于像素的观测中学习的生成模型，准确预测地图中通往其起点的更短新路径。
引用
@article{arxiv.2208.10914,
title = {Home Run: Finding Your Way Home by Imagining Trajectories},
author = {Daria de Tinguy and Pietro Mazzaglia and Tim Verbelen and Bart Dhoedt},
journal= {arXiv preprint arXiv:2208.10914},
year = {2022}
}
备注
accepted for International Workshop on Active Inference IWAI 2022, ECML PKDD workshop