Resumen Técnico: Aprendizaje de Estructura en Línea y Planificación para la Navegación de Robots Autónomos mediante Inferencia Activa

Planteamiento del Problema

Los robots móviles autónomos que operan en entornos desconocidos enfrentan el desafío de localizar, mapear y planificar simultáneamente sin depender de mapas predefinidos, un extenso entrenamiento fuera de línea o supervisión humana. Los enfoques existentes suelen sufrir de compromisos específicos:

• Los sistemas SLAM métricos (p. ej., ORB-SLAM3, FAST-LIO2) proporcionan una estimación de pose precisa, pero son propensos al error de deriva (drift) en entornos grandes o no estructurados y carecen de políticas de exploración intrínsecas.
• Los planificadores de trayectorias suelen incurrir en altos costos computacionales o dependen de heurísticas codiciosas (p. ej., exploración basada en fronteras) que producen un retroceso redundante.
• Los enfoques basados en aprendizaje (p. ej., Neural-SLAM, ViKiNG, NoMaD) mejoran la flexibilidad, pero típicamente requieren una extensa recolección de datos fuera de línea, pre-entrenamiento o demostraciones teleoperadas en el entorno objetivo, lo que limita la adaptabilidad a entornos genuinamente novedosos.

El desafío central abordado es la creación de un sistema unificado que realice el aprendizaje de estructura y la planificación en línea de manera totalmente autosupervisada, resiliente al ruido sensorial, la deriva odométrica y los cambios ambientales, sin requerir pre-entrenamiento ni prioridades diseñadas a mano.

Metodología: Marco de Trabajo AIMAPP

Los autores proponen AIMAPP (Active Inference MAPping and Planning), un marco que unifica el mapeo, la localización y la toma de decisiones dentro de un único modelo generativo basado en el Marco de Inferencia Activa (AIF).

1. Representación de Estado y Mapeo Cognitivo

AIMAPP mantiene un mapa topológico disperso donde el estado latente se descompone en dos componentes:

• $s_t$ (Estado Discreto): Un índice topológico que representa un nodo distinto en el grafo (un "lugar").
• $p_t$ (Posición Métrica Continua): Coordenadas métricas 2D locales utilizadas para el razonamiento espacial.
  Esta descomposición refleja los sistemas de navegación biológicos (separando la identidad de la célula de lugar de la integración de trayectoria de la célula de rejilla). El mapa crece de forma adaptativa; se crean nuevos nodos cuando las predicciones de movimiento exceden el "radio de influencia" de los estados existentes, determinado por comparaciones de energía libre. Las observaciones se almacenan como imágenes panorámicas de 360° (o datos sensoriales abstractos) asociadas con los nodos.

2. Modelo Generativo e Inferencia

El sistema opera como un Proceso de Decisión de Markov Parcialmente Observable (POMDP). El modelo generativo incluye:

• Transiciones de estado ($B_s$): Probabilidad de moverse entre estados topológicos.
• Transiciones de posición ($B_p$): Probabilidad de moverse entre posiciones métricas.
• Verosimilitudes de observación ($A_o$): Probabilidad de observar un panorama específico en un estado dado.
• Verosimilitudes de posición ($A_p$): Probabilidad de ocupar una posición métrica en un estado dado.

La localización está impulsada por la creencia. El agente infiere su estado actual minimizando la Energía Libre Variacional (VFE), combinando el movimiento predicho con la evidencia sensorial. Esto permite que el sistema sea robusto a la deriva odométrica; si ocurre deriva, el agente prioriza la consistencia entre los resultados predichos y observados, relocalizándose al buscar observaciones familiares en lugar de depender únicamente de la odometría pura.

3. Planificación y Toma de Decisiones

La selección de acciones es impulsada por la minimización de la Energía Libre Esperada (EFE) ($G$). A diferencia del aprendizaje por refuerzo tradicional donde la exploración y la explotación son objetivos separados, AIMAPP deriva ambos de la misma terminología de EFE:

• Valor Epistémico (Exploración): Ganancia de información esperada para reducir la incertidumbre sobre el entorno (estados y parámetros).
• Valor Pragmático (Explotación): Alineación esperada con las observaciones preferidas (p. ej., alcanzar un objetivo o evitar colisiones).

Las políticas candidatas se evalúan utilizando Búsqueda en Árbol Monte Carlo (MCTS) para manejar la complejidad combinatoria de los espacios de acción. La EFE para una política $\pi$ se descompone en términos que representan la ganancia de información sobre estados/parámetros, la evitación de colisiones esperada y los términos de utilidad para observaciones, posiciones y estados.

4. Aprendizaje en Línea y Expansión del Mapa

El sistema actualiza sus parámetros internos continuamente. La expansión del mapa se activa cuando un "modelo expandido" (que incorpora un nuevo estado) produce una energía libre menor ($\Delta F < 0$) en comparación con el modelo actual. Los modelos de transición ($B_s$) y las verosimilitudes de observación ($A_o$) se actualizan utilizando pseudo-conteos de Dirichlet basados en las transiciones experimentadas frente a las predichas, lo que permite al agente refinar su modelo de mundo a partir de la retroalimentación sensoriomotora sin pre-entrenamiento.

Principales Contribuciones

1. Marco de Inferencia Activa Unificado: AIMAPP integra el mapeo, la localización y la planificación en un solo modelo generativo, eliminando la necesidad de módulos separados o arbitraciones manuales entre la exploración y el alcance de objetivos.
2. Aprendizaje en Línea Totalmente Autosupervisado: El agente construye y refina su mapa topológico desde la primera interacción sin necesidad de pre-entrenamiento, recolección de datos fuera de línea o demostraciones teleoperadas.
3. Robustez ante la Deriva y el Ruido: Al priorizar la consistencia de la creencia sobre la odometría pura, el sistema tolera la deriva de los sensores y opera en entornos con aliasing perceptual y cambios moderados.
4. Modularidad y Agnóstico al Sensor: La arquitectura es agnóstica al sensor (soporta RGB, profundidad, LiDAR) y agnóstica a la plataforma (compatible con ROS), separando la capa cognitiva de la percepción y el control de movimiento.
5. Evaluación Escalable: El sistema se evalúa en entornos de hasta 325 m² (reales y simulados), una escala previamente no abordada por los sistemas de navegación de Inferencia Activa.

Resultados Experimentales

Los autores evaluaron AIMAPP contra líneas base de vanguardia (basadas en fronteras, GBPlanner, FAEL) y teleoperación humana en cuatro entornos simulados y tres entornos del mundo real.

• Eficiencia de Exploración: En entornos simulados, AIMAPP logró una eficiencia de cobertura comparable o superior a los métodos de vanguardia (FAEL, GBPlanner). Específicamente, alcanzó el 90.3% de la eficiencia de cobertura de la teleoperación humana en promedio. En pruebas del mundo real, AIMAPP superó consistentemente a la exploración basada en fronteras en términos de velocidad de cobertura y tasa de éxito.
• Robustez: AIMAPP operó con éxito en condiciones donde las líneas base basadas en odometría (p. ej., Frontiers con Nav2) fallaron, como en estacionamientos de arena y suelos alfombrados con deriva significativa. Demostró resiliencia ante obstáculos movidos en simulación y ruido sensorial en entornos reales.
• Alcance de Objetivos: El sistema logró un rendimiento de alcance de objetivos dentro del 74% del rendimiento de la teleoperación humana en todos los entornos probados sin reajuste específico de la tarea.
• Tasas de Éxito: AIMAPP logró una tasa de éxito del 79% en la obtención de cinco ensayos de exploración exitosos por entorno, superando a Frontiers (52%) y FAEL (48%), aunque ligeramente por debajo de GBPlanner (87%). Los fallos se atribuyeron principalmente a solapamientos de mapas irrecuperables debido a una deriva severa en áreas extensas no exploradas o colisiones físicas con obstáculos no detectados.

Significado y Reivindicaciones

El artículo afirma que AIMAPP demuestra que la Inferencia Activa, originalmente una teoría de la neurociencia computacional, puede adaptarse con éxito en una estrategia de navegación modular y robusta para robots reales. El significado radica en tratar la navegación como un test de hipótesis: las predicciones sobre estados futuros se generan, se evalúan mediante la acción y se revisan basándose en la "sorpresa" (error de predicción).

Los autores enfatizan que AIMAPP ofrece una solución modular y autosupervisada para la navegación escalable en entornos no estructurados. Al unificar la exploración y el alcance de objetivos dentro de un único objetivo (minimización de la Energía Libre Esperada), el sistema evita la necesidad de ajustes específicos de la tarea o conocimiento preexistente del entorno. El trabajo representa un paso hacia agentes autónomos que pueden descubrir la estructura de su entorno desde la primera interacción, operando efectivamente en espacios dinámicos, no estructurados y desconocidos donde el mapeo métrico tradicional o los modelos de aprendizaje pre-entrenados tienen dificultades.