移動ロボットの探索とナビゲーションのための深層能動的推論フレームワーク

抄録

自律移動ロボットには，周囲の状況を認識しながら効率的に目的地へ到達する能力が求められる．未知環境だけでなく既知環境においても，現在の観測のみから自己位置を特定できない場合，探索行動によって新たな観測を収集し，自己位置を正確に特定する必要がある．また，このような探索行動と目的地への到達を目指すようなナビゲーション行動の自律的な切り替えも重要である．本研究ではこれらの課題に対し，脳の計算原理に基づく能動的推論に深層学習を組み合わせた深層能動的推論を利用した統一的なフレームワークを提案する．提案フレームワークは，多様な行動系列を生成可能な方策モデルと未来の状態系列を予測可能な世界モデルで構成される．現在の観測を基に方策モデルが生成した複数の行動系列候補に対し，世界モデル内で状態遷移をシミュレーションし，各系列の期待自由エネルギーを計算する．そして，期待自由エネルギーが最小となる行動系列を実際の環境で実行する．ロボットの初期位置と観測の関係に不確実性が存在する実環境での実験により，提案フレームワークが探索行動を通じて環境の不確実性を低減しながら，自律的に目的地へ到達可能であることを示した．