💻 computer science

Online Structure Learning and Planning for Autonomous Robot Navigation using Active Inference

本論文は、事前学習や既定の地図に依存することなく、能動的推論を活用することで、疎なトポロジカルマップを動的に構築し、探索と目標指向のナビゲーションのバランスをとることで、未知の環境における自律走行ロボットのためのオンラインマッピング、自己位置推定、およびプランニングを統合する、ROS互換の自己教師ありフレームワークであるAIMAPPを提案する。

原著者： Daria de Tinguy, Tim Verbelen, Emilio Gamba, Bart Dhoedt

公開日 2026-07-08

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Daria de Tinguy, Tim Verbelen, Emilio Gamba, Bart Dhoedt

原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

あるロボットが、設計図もGPSもなく、行き先を教えてくれる人もいない、全く新しい未知の建物の中に放り込まれたと想像してみてください。ほとんどのロボットは混乱し、壁にぶつかったり、同じ場所をぐるぐる回ったりしてしまいます。

この論文は、AIMAPPと呼ばれる新しいナビゲーション手法を紹介しています。AIMAPPを、あらかじめプログラムされた地図を持つロボットとしてではなく、動物（ネズミや人間など）が世界を探索する様子にインスパイアされた、**「好奇心旺盛で適応力のある脳」**を持つロボットとして考えてみてください。

その仕組みを、シンプルな概念に分解して説明します。

1. 「心のスケッチ」（トポロジカル・マップ）

建物全体の完璧なピクセル単位の3Dモデルを作ろうとする（それは壁のレンガ一つひとつを描こうとするようなものです）代わりに、AIMAPPは**「心のスケッチ」**を作成します。

例え： あなたが新しい街を歩いているところを想像してください。あなたは歩道の隅々までを暗記しているわけではありません。代わりに、「コーヒーショップ」「公園」「図書館」といった主要なランドマークを覚えています。そして、それらを頭の中で線で結びます。「コーヒーショップから真っ直ぐ行けば、公園に着く」という具合に。
ロボットの仕組み： ロボットは「トポロジカル・マップ」を作成します。そこでは、特徴的な場所を「ノード（点）」、その間の経路を「リンク（線）」として扱います。探索を進めるにつれて、ロボットはこのスケッチに新しい点を追加していきます。ミリメートル単位の正確な距離を知る必要はなく、「この場所はあの場所に繋がっている」ということが分かれば十分なのです。

2. 「好奇心旺盛な探索者」 vs 「目標達成者」

ロボットには2つの相反する衝動がありますが、どちらを選ぶかを人間が決める必要はありません。これらは**「期待自由エネルギー（Expected Free Energy）」**という概念を用いて、自動的にバランスが保たれます。

例え： 公園にいる犬を想像してみてください。
- 好奇心（探索）： 犬が奇妙な茂みの匂いを嗅ぎ、「そこに何があるのか確かめたい」と思うこと（不確実性を減らす行為）。
- 目標（活用）： 犬が飼い主の手招きを見て、「飼い主のところへ真っ直ぐ走りたい」と思うこと（好ましい状態を実現する行為）。
ロボットの仕組み： AIMAPPは、あらゆる可能な動きに対して単一のスコアを算出します。ロボットが迷っているときは「好奇心」のスコアが高くなり、探索に向かいます。目標の場所が分かっているときは「目標」のスコアが高くなり、そこへと向かいます。人間がボタンを押さなくても、これら2つのモードをシームレスに切り替えることができます。

3. 即時学習（事前学習なし）

現代の多くのロボットは、実用化される前に、何千時間ものビデオデータを用いた膨大な学習を数ヶ月間行う必要があります。しかし、AIMAPPは異なります。

例え： 外国に到着した観光客を想像してください。彼らはガイドブックを持っていません。歩き、迷い、「ああ、あの赤い建物はさっき見たやつと同じだ」と気づくことで、レイアウトを学んでいきます。
ロボットの仕組み： ロボットは知識ゼロの状態からスタートします。移動しながら、「自分がこうなるだろうと予想したもの」と「実際に目にしたもの」を比較していきます。
- もし新しいものを見つけたら、マップに新しい「点」を追加します。
- もし見慣れたものを見つけたら、自分がどこにいるかについての確信を更新します。
- 「ここで左に曲がると行き止まりになる」といった環境のルールを、試行錯誤と修正を通じて学んでいきます。

4. 「ドリフト」への対処（ふらつくオドメーター）

ロボットは車輪のセンサーを使って移動距離を推定することがよくあります。しかし、カーペットや砂の上では車輪が滑り、ロボットは実際には2メートル進んだのに、1メートル進んだと誤認してしまうことがあります。これを「ドリフト」と呼びます。

例え： 目を閉じて歩いているところを想像してください。あなたは歩数を数えて自分の位置を推測します。もし絨毯の上で滑ってしまったら、歩数のカウントは狂ってしまいます。しかし、目を開けて馴染みのあるランドマーク（特定の絵画など）が見えた瞬間、「ああ、自分は今ここにいるんだ」と即座に理解できます。
ロボットの仕組み： AIMAPPは、車輪のセンサーよりも視覚的な認識を重視します。もし車輪のセンサーが「廊下にいる」と言っていても、カメラが「キッチン」を捉えていれば、ロボットはカメラの方を信頼します。このように、センサーの感覚ではなく「見たもの」に基づいて内部マップを修正することで、砂利の駐車場のような、他のロボットが失敗しやすい複雑な環境でも非常に高い堅牢性を発揮します。

5. 結果：どのような成果が得られたか？

研究者たちは、コンピュータ・シミュレーションと、実際の現場（倉庫、住宅、さらには砂利の駐車場）の両方でAIMAPPをテストしました。

効率性： 地図を持った人間が同じ空間を歩くのとほぼ同等の効率で、エリアの探索を行うことができました。
堅牢性： 大規模な倉庫において、精密な地図に依存する他の高度なロボットよりも、動く障害物や滑りやすい床に対してうまく対処できました。
失敗： ロボットの内部マップが「乱れすぎた」場合（例：ドリフトが大きすぎて、古い場所にいるのに新しい場所にいると思い込んでしまった場合など）、時折立ち往生することがありました。しかし、標準的なロボットよりも優れた回復力を示しました。

まとめ

AIMAPPは、ロボットを**「好奇心旺盛な動物」**のように扱うナビゲーション・システムです。硬直したスクリプトや事前にロードされた地図に従うのではなく、動きながら世界の「心のスケッチ」を作り上げ、探索したいという欲求と目標に到達したいという欲求のバランスを取り、馴染みのある光景を認識することで常に自分の位置を修正していきます。事前学習なしで動作するため、どんな新しい環境に投入されても、すぐに状況を把握して動き出すことができるのです。

技術要約：能動的推論を用いた自律移動ロボットのためのオンライン構造学習およびプランニング

問題定義

未知の環境で作動する自律移動ロボットは、定義済みの地図、大規模なオフライン学習、または人間による監視に依存することなく、自己位置推定、マッピング、およびプランニングを同時に行うという課題に直面している。既存のアプローチは、しばしば以下のような特定のトレードオフに悩まされる：

メトリックSLAMシステム（例：ORB-SLAM3、FAST-LIO2）は、正確なポーズ推定を提供するが、大規模または非定型な環境ではドリフトが発生しやすく、内在的な探索ポリシーを欠いている。
パスプランナーは、計算コストが高くなる傾向があるか、あるいは冗長なバックトラッキングを生み出す貪欲なヒューリスティック（例：フロンティアベースの探索）に依存している。
学習ベースのアプローチ（例：Neural-SLAM、ViKiNG、NoMaD）は柔軟性を向上させるが、通常、対象となる環境における広範なオフラインデータ収集、事前学習、または遠隔操作によるデモンストレーションを必要とし、真に新しい設定への適応性を制限している。

解決すべき核心的な課題は、事前学習や手作業による事前知識を必要とせず、センサーノイズ、オドメトリのドリフト、および環境の変化に対して耐性を持つ、完全な自己教師ありのオンライン構造学習とプランニングを統合したシステムを構築することである。

手法：AIMAPPフレームワーク

著者らは、能動的推論フレームワーク（AIF）に基づく単一の生成モデル内で、マッピング、ローカライゼーション、および意思決定を統合するフレームワークであるAIMAPP（Active Inference MAPping and Planning）を提案している。

1. 状態表現と認知マップ

AIMAPPは、潜在状態が2つのコンポーネントに分解された疎なトポロジカルマップを保持する：

$s_t$ （離散状態）： グラフ内の個別のノード（「場所」）を表すトポロジカルなインデックス。
$p_t$ （連続的なメトリック位置）： 空間推論に使用される局所的な2Dメトリック座標。
この分解は、生物学的なナビゲーションシステム（場所細胞のアイデンティティとグリッド細胞の経路統合の分離）を模倣している。マップは適応的に成長する。新しいノードは、運動予測が既存の状態の「影響半径」を超えたときに、自由エネルギーの比較によって作成される。観測内容は、各ノードに関連付けられた360°パノラマ画像（または抽象的なセンサーデータ）として保存される。

2. 生成モデルと推論

システムは、部分観測マルコフ決定過程（POMDP）として動作する。生成モデルには以下が含まれる：

状態遷移 ( $B_s$ )： トポロジカルな状態間を移動する尤度。
位置遷移 ( $B_p$ )： メトリック位置間を移動する尤度。
観測尤度 ( $A_o$ )： 特定の状態において特定のパノラマを観測する確率。
位置尤度 ( $A_p$ )： 特定の状態において特定のメトリック位置に存在している確率。

ローカライゼーションは信念駆動型である。エージェントは、予測された運動と感覚的証拠を組み合わせ、**変分自由エネルギー（VFE）**を最小化することで、現在の状態を推論する。これにより、システムはドリフトに対して堅牢性を維持できる。ドリフトが発生した場合、エージェントは生のオドメトリのみに頼るのではなく、予測と観測された結果の間の整合性を優先し、馴染みのある観測を求めることで再ローカライズを行う。

3. プランニングと意思決定

行動選択は、期待自由エネルギー（EFE） ( $G$ ) の最小化によって駆動される。探索と利用（exploitation）を別々の目的として扱う従来の強化学習とは異なり、AIMAPPではこれら両方を同一のEFE項から導出する：

エピステミック価値（探索）： 環境（状態およびパラメータ）に関する不確察を減少させるための期待情報利得。
プラグマティック価値（利用）： 好ましい観測（例：ターゲットへの到達や衝突回避）への期待される適合性。

候補となる方策（ポリシー）は、行動空間の組合せ爆発を扱うために**モンテカルロ木探索（MCTS）**を用いて評価される。方策 $\pi$ に対するEFEは、状態/パラメータに関する情報利得、期待される衝突回避、および観測・位置・状態に関するユーティリティ項を表す項へと分解される。

4. オンライン学習とマップ拡張

システムは内部パラメータを継続的に更新する。マップの拡張は、「拡張されたモデル」（新しい状態を含むモデル）が現在のモデルよりも低い自由エネルギー（ $\Delta F < 0$ ）をもたらす場合にトリガーされる。遷移モデル ( $B_s$ ) および観測尤度 ( $A_o$ ) は、経験された遷移と予測された遷移に基づいたディリクレ擬似カウントを用いて更新され、これによりエージェントは事前学習なしに、感覚運動フィードバックから自身の世界モデルを洗練させることができる。

主な貢献

統合された能動的推論フレームワーク： AIMAPPは、マッピング、ローカライゼーション、およびプランニングを単一の生成モデルに統合し、個別のモジュールや、探索と目標達成の間の手作業による調整を不要にする。
完全な自己教師ありオンライン学習： エージェントは、事前学習、オフラインデータ収集、または遠隔操作によるデモンストレーションなしに、最初の相互作用からトポロジカルマップを構築し、洗練させる。
ドリフトとノイズに対する堅牢性： 生のオドメトリよりも信念の整合性を優先することで、システムはセンサーのドリフト、知覚的エイリアシング、および中程度の変化が存在する環境下でも動作できる。
モジュール性と非依存性： アーキテクチャはセンサーに依存せず（RGB、深度、LiDARをサポート）、プラットフォームにも依存しない（ROS互換）。これは認知層と知覚・運動制御層を分離している。
スケーラブルな評価： システムは、能動的推論ナビゲーションシステムではこれまで対処されてこなかった規模（最大325 m²の実環境およびシミュレーション環境）で評価されている。

実験結果

著者らは、4つのシミュレーション環境および3つの実世界環境において、AIMAPPを最先端のベースライン（Frontier-based, GBPlanner, FAEL）および人間の遠隔操作と比較評価した。

探索効率： シミュレーション環境において、AIMAPPは最先端の手法（FAEL, GBPlanner）と同等またはそれ以上の被覆効率を達成した。具体的には、平均して人間による遠隔操作の被覆効率の**90.3%**に達した。実世界の試行において、AIMAPPは被覆速度と成功率の両面で、フロンティアベースの探索を一貫して上回った。
堅牢性： AIMAPPは、砂利の駐車場や大幅なドリフトが発生するカーペット敷きの床など、オドメトリベースのベースライン（例：Nav2を用いたFrontiers）が失敗する条件下でも正常に動作した。シミュレーションにおける移動した障害物や、実世界におけるセンサーノイズに対しても耐性を示した。
目標追求： システムは、タスク固有のチューニングなしに、テストされたすべての環境において、人間による遠隔操作の性能の**74%**以内で目標到達を達成した。
成功率： AIMAPPは、環境あたり5回の探索試行を成功させる成功率**79%**を達成し、Frontiers（52%）やFAEL（48%）を上回ったが、GBPlanner（87%）にはわずかに及ばなかった。失敗の主な要因は、広大な未探索領域における深刻なドリフトによる回復不能なマップの重複、または検知できなかった障害物との物理的な衝突であった。

意義と主張

本論文は、もともと計算神経科学の理論である能動的推論が、実際のロボットのためのモジュール化された堅牢なナビゲーション戦略として成功裏に適応できることをAIMAPPが示していることを主張している。その意義は、ナビゲーションを仮説検証として扱うことにある。すなわち、将来の状態に関する予測が生成され、行動を通じて評価され、「驚き（予測誤差）」に基づいて修正されるというプロセスである。

著者らは、AIMAPPが、構造化されていない環境におけるスケーラブルなナビゲーションのためのモジュール化された自己教師ありソリューションを提供することを強調している。探索と目標達成を単一の目的（期待自由エネルギーの最小化）の中に統合することで、システムはタスク固有のチューニングや既存の環境知識を必要とせずに済む。この研究は、エージェントが最初の相互作用から環境の構造を発見し、従来のメトリックマッピングや学習済みモデルが苦戦する動的で非定型な未知の空間で効果的に動作できる、自律エージェントへの一歩を示している。