学习感知模型

我们考虑一个具有固定身体的智能体与一个未知且不确定的外部世界交互的场景。我们表明，经过训练以预测关于智能体身体的本体感觉信息的模型，会表征外部世界中的物体。尽管仅使用内部可用的信号进行训练，这些动态身体模型通过预测外部物体对智能体自身身体影响的必要性，来表征外部物体。也就是说，该模型学习到世界中物体的整体持久表征，即使唯一的训练信号是身体信号。我们的动态模型能够成功预测未来100步内132个传感器读数的分布，并且我们证明，即使身体不再与物体接触，动态模型的潜变量仍继续表征其形状。我们表明，通过最大化关于身体的预测熵——触觉传感器、本体感觉和前庭信息——进行主动数据收集，能够学习到用于控制的动态模型，并展现出优越的性能。我们还从真实机械手收集数据，并表明相同的模型可用于回答关于真实世界中物体属性的问题。我们模型的定性结果视频可在 https://goo.gl/mZuqAV 获取。