最小化机器人系统中的感知失真与自主表征学习

自主智能体，特别是在机器人领域，依赖于感知信息来感知和导航其环境。然而，这些感知输入常常不完美，导致智能体内部对世界的表征产生失真。本文研究了这些感知失真的性质以及它们如何影响使用最小化机器人系统中的自主表征学习。我们利用一个模拟的两轮机器人，配备距离传感器和指南针，在简单方形环境中运行。通过分析机器人在随机探索期间的传感器数据，我们展示了如何在感知空间中形成失真的感知空间。尽管存在这些失真，我们识别出感知空间中的涌现结构，这些结构与物理环境相关，揭示了机器人如何在没有明确空间信息的情况下自主学习结构化的表征以进行导航。该工作促进了对具身认知、最小化能量和人工生命中感知在自生成导航策略中的作用的理解。