面向认知与发育机器人的世界模型与预测编码:前沿与挑战

创造能够主动探索环境、获取知识并持续学习技能的自主机器人,是认知与发育机器人学中所设想的终极成就。其学习过程应以类似于人类学习与认知发展的方式,基于与物理和社会世界的交互来进行。基于这一背景,本文聚焦于世界模型与预测编码这两个概念。近期,世界模型作为人工智能领域中备受关注的重要课题,重新引起了人们的注意。认知系统通过学习世界模型来更好地预测未来的感官观测并优化其策略,即控制器。另一方面,在神经科学中,预测编码提出大脑会持续预测其输入,并进行适应以对其自身的动力学及在环境中的控制行为进行建模。这两种理念均可被视为支撑具备持续或终身学习能力的机器人与人类认知发展的基础。尽管在认知机器人学与神经机器人学领域已有许多关于预测编码的研究,但人工智能中基于世界模型的方法与机器人学中的预测编码之间的关系却鲜有讨论。因此,本文在认知与发育机器人的背景下,阐明了这些主题的定义、关系及当前研究现状,以及世界模型与预测编码中缺失的环节,并结合了自由能原理与主动推断等关键相关概念。此外,我们概述了世界模型与预测编码在进一步融合人工智能与机器人学,以及未来创造具备真实认知与发育能力的机器人方面所涉及的前沿与挑战。