Hydra: A Navigation World Action Model with Discrete Latent Planning and Continuous Flow-Matching Execution

Robots worstelen al lang met het bewegen door de wereld met de vooruitziendheid van een levend wezen. Hoewel moderne machines direct kunnen reageren op wat ze zien, missen ze vaak het vermogen om te kunnen voorstellen wat er hierna zal gebeuren. Traditionele navigatiesystemen werken als een bestuurder die alleen naar de weg direct vóór de auto kijkt, reagerend op obstakels zodra ze verschijnen, maar niet in staat is om een route rond een doodlopende weg te plannen totdat het te laat is. Om robots dit soort vooruitziendheid te geven, hebben wetenschappers "wereldmodellen" ontwikkeld, die in essentie interne simulators zijn die een machine verschillende toekomsten laten voorstellen voordat hij beweegt. Echter, een grote hindernis heeft voorkomen dat deze simulators in realtime op fysieke robots kunnen worden gebruikt: het proces van het controleren van deze verbeelde toekomsten is te traag. Huidige methoden vereisen dat de robot duizenden potentiële paden genereert, elk pad omzet in een gedetailleerde afbeelding om de veiligheid te controleren, en vervolgens de slechte paden wegwerpt. Deze cyclus van het creëren en controleren van afbeeldingen is zo rekenintensief dat de robot bevriest, waardoor realtime navigatie onmogelijk wordt.

Een nieuwe aanpak genaamd Hydra, ontwikkeld door onderzoekers van verschillende universiteiten, lost dit probleem op door de manier waarop de robot over beweging nadenkt te veranderen. In plaats van te proberen elke mogelijke toekomst in high-definition detail voor te stellen, leert Hydra te denken in brede, discrete concepten van beweging, vergelijkbaar met hoe een mens zou denken aan een "bocht naar links" of een "recht pad", in plaats van de exacte hoek van elke wielrotatie te berekenen. De onderzoekers bouwden een systeem waarbij de planner van de robot zich binnen de simulator zelf bevindt, waarbij hij zoekt naar het beste pad binnen een gecomprimeerde, abstracte kaart van mogelijkheden, in plaats van in een enorme, open ruimte van pixels. Dit stelt de robot in staat om duizenden potentiële toekomsten in een fractie van een seconde te evalueren, waarbij gevaarlijke paden worden weggegooid voordat ze ooit volledig zijn getekend. Zodra een veilig pad is gekozen, vertaalt het systeem dat abstracte concept terug naar vloeiende, continue bewegingen die de motoren van de robot kunnen uitvoeren.

De kerninnovatie ligt in een techniek die de auteurs "discrete latente planning" noemen. In eerdere systemen, waarbij een robot die een gang probeert te navigeren een continue stroom van mogelijke trajecten genereerde, leidden veel van deze trajecten de robot rechtstreeks tegen een muur aan. Het systeem moest vervolgens elk van deze trajecten renderen naar een visuele afbeelding om te zien of er een botsing plaatsvond, een proces dat te lang duurt voor een bewegende robot. Hydra vermijdt deze flessenhals door de voorspellingen door een gespecialiseerd filter te dwingen dat vergelijkbare bewegingen groepeert in een kleine, vaste vocabulaire van intenties. Wanneer de robot een toekomst overweegt, genereert hij geen wazige afbeelding van een crash; in plaats daarvan selecteert hij een token uit zijn geleerde vocabulaire die een "veilige bocht" of een "botsing" vertegenwoordigt. Omdat deze tokens afkomstig zijn uit een eindige lijst van fysiek mogelijke acties, kan de robot onmiddellijk herkennen dat een pad dat in een muur leidt ongeldig is, zonder dat hij de crash ooit visueel hoeft te maken. Deze verschuiving van continu gokken naar discrete selectie stelt het systeem in staat om gevaarlijke opties bijna onmiddellijk te elimineren, waardoor de rekenkracht alleen wordt gericht op paden die al bekend zijn als plausibel.

Om ervoor te zorgen dat deze abstracte keuzes resulteren in vloeiende fysieke beweging, koppelt Hydra deze discrete planning aan een continue uitvoeringmethode. Zodra de robot het beste abstracte pad heeft gekozen, zet een secundair systeem die keuze om in de precieze, vloeiende commando's die nodig zijn om de wielen aan te sturen. Dit tweestaps-proces — plannen in een vereenvoudigde, abstracte ruimte en vervolgens uitvoeren in de echte wereld — stelt de robot in staat om de veiligheid van een simulator te combineren met de snelheid van een reactieve bestuurder. De onderzoekers testten dit systeem op twee verschillende fysieke robots, een voertuig met wielen en een viervoetige hondachtige robot, in diverse omgevingen waaronder smalle gangen en gebieden met verborgen obstakels. In deze proeven slaagde het systeem erin om botsingsvrije paden naar doelen op ongeveer acht meter afstand te plannen in minder dan één seconde, een snelheid die ongeveer vijfhonderd keer sneller is dan eerdere methoden die vertrouwden op het genereren en controleren van volledige afbeeldingen.

De resultaten van deze fysieke tests benadrukken een aanzienlijk gat tussen de oude manier van denken en de nieuwe. Wanneer de onderzoekers Hydra vergeleken met bestaande systemen die continue sampling gebruiken, faalden de oudere methoden vaak in het navigeren rond obstakels, waarbij ze vaak crashten omdat ze te veel tijd besteedden aan het berekenen van onmogelijke paden. Hydra daarentegen behaalde een perfect succespercentage in onbelemmerde omgevingen en navigeerde succesvol rond verborgen hoeken en obstakels in het overgrote deel van de proeven. Het systeem was ook in staat om naderende botsingen te detecteren door op te merken wanneer een voorgesteld pad niet paste binnen zijn geleerde vocabulaire van veilige bewegingen, een signaal dat verscheen lang voordat de robot fysiek iets zou raken. Dit vermogen om onveilige paden te verwerpen op basis van hun abstracte structuur, in plaats van hun visuele verschijning, bleek een robuuste manier om veiligheid te garanderen zonder het besluitvormingsproces te vertragen.

Ondanks deze successen erkennen de onderzoekers dat het systeem niet zonder beperkingen is. De methode van het groeperen van bewegingen in een vaste vocabulaire betekent dat de robot soms moeite heeft om onderscheid te maken tussen een echt obstakel en een visueel complex maar veilig gebied, zoals een strook dicht struikgewas. Omdat het systeem afhankelijk is van hoe moeilijk het is om een scène te reconstrueren vanuit de abstracte codes, kunnen zeer getextureerde omgevingen soms valse alarmen triggeren, waardoor de robot aarzelt waar hij veilig langs zou kunnen gaan. Daarnaast heeft het huidige systeem moeite met het representeren van dynamische objecten zoals mensen, waarbij het deze vaak gladstrijkt tot de achtergrond in plaats van ze als afzonderlijke entiteiten te behandelen. Deze uitdagingen suggereren dat hoewel de discrete aanpak een krachtige stap voorwaarts is, toekomstige versies de manier waarop ze de wereld representeren moeten verfijnen om de volledige complexiteit van menselijke omgevingen aan te kunnen.

Uiteindelijk demonstreert dit werk dat robots real-time, doelgericht kunnen plannen door in concepten te denken in plaats van in pixels. Door het planningsproces binnen de simulator te brengen en de zoektocht te beperken tot een geleerd pakket van geldige bewegingen, hebben de onderzoekers een systeem gecreëerd dat zowel snel als veilig is. De bevindingen suggereren dat de sleutel tot het schalen van wereldmodellen voor fysieke robots niet ligt in het gedetailleerder maken ervan, maar in het gestructureerder maken ervan, waardoor ze de toekomst kunnen voorstellen op een manier die computationeel efficiënt en fysiek geworteld is. Deze aanpak biedt een veelbelovend pad naar robots die de echte wereld kunnen navigeren met hetzelfde soort intuïtieve vooruitziendheid die mensen dagelijks gebruiken.