Resumo Técnico: Aprendizado de Estrutura Online e Planejamento para Navegação de Robôs Autônomos usando Inferência Ativa

Declaração do Problema

Robôs móveis autônomos operando em ambientes desconhecidos enfrentam o desafio de localizar, mapear e planejar simultaneamente sem depender de mapas pré-definidos, treinamento offline extensivo ou supervisão humana. As abordagens existentes frequentemente sofrem de trade-offs específicos:

• Sistemas de SLAM métrico (ex: ORB-SLAM3, FAST-LIO2) fornecem estimativa de pose precisa, mas são propensos a deriva (drift) em ambientes grandes ou não estruturados e carecem de políticas de exploração intrínsecas.
• Planejadores de trajetória frequentemente incorrem em altos custos computacionais ou dependem de heurísticas gananciosas (ex: exploração baseada em fronteiras) que produzem retrocessos redundantes.
• Abordagens baseadas em aprendizado (ex: Neural-SLAM, ViKiNG, NoMaD) melhoram a flexibilidade, mas tipicamente requerem coleta de dados offline extensiva, pré-treinamento ou demonstrações teleoperadas no ambiente alvo, limitando a adaptabilidade a cenários genuinamente novos.

O desafio central abordado é a criação de um sistema unificado que realize o aprendizado de estrutura e o planejamento online de forma totalmente autossupervisionada, resiliente ao ruído sensorial, deriva odométrica e mudanças ambientais, sem a necessidade de pré-treinamento ou priors projetados manualmente.

Metodologia: Estrutura AIMAPP

Os autores propõem o AIMAPP (Active Inference MAPping and Planning), uma estrutura que unifica mapeamento, localização e tomada de decisão dentro de um único modelo generativo baseado na Estrutura de Inferência Ativa (AIF).

1. Representação de Estado e Mapeamento Cognitivo

O AIMAPP mantém um mapa topológico esparso onde o estado latente é decomposto em dois componentes:

• $s_t$ (Estado Discreto): Um índice topológico representando um nó distinto no grafo (um "lugar").
• $p_t$ (Posição Métrica Contínua): Coordenadas métricas 2D 2D usadas para raciocínio espacial.
  Esta decomposição espelha sistemas de navegação biológica (separando a identidade da célula de lugar da integração de caminho das células de grade). O mapa cresce adaptativamente; novos nós são criados quando as previsões de movimento excedem o "raio de influência" dos estados existentes, determinado por comparações de energia livre. As observações são armazenadas como imagens panorâmicas de 360° (ou dados sensoriais abstratos) associadas aos nós.

2. Modelo Generativo e Inferência

O sistema opera como um Processo de Decisão de Markov Parcialmente Observável (POMDP). O modelo generativo inclui:

• Transições de estado ($B_s$): Probabilidade de mover-se entre estados topológicos.
• Transições de posição ($B_p$): Probabilidade de mover-se entre posições métricas.
• Likelihoods de observação ($A_o$): Probabilidade de observar um panorama específico em um determinado estado.
• Likelihoods de posição ($A_p$): Probabilidade de ocupar uma posição métrica em um determinado estado.

A localização é direcionada por crença (belief-driven). O agente infere seu estado atual minimizando a Energia Livre Variacional (VFE), combinando movimento previsto com evidência sensorial. Isso permite que o sistema permaneça robusto à deriva odométrica; se ocorrer deriva, o agente prioriza a consistência entre os resultados previstos e observados, relocalizando-se ao buscar observações familiares em vez de depender apenas da odometria bruta.

3. Planejamento e Tomada de Decisão

A seleção de ações é impulsionada pela minimização da Energia Livre Esperada (EFE) ($G$). Diferente do aprendizado por reforço tradicional, onde exploração e explotação são objetivos separados, o AIMAPP deriva ambos do mesmo termo de EFE:

• Valor Epistêmico (Exploração): Ganho de informação esperado para reduzir a incerteza sobre o ambiente (estados e parâmetros).
• Valor Pragmático (Explotação): Alinhamento esperado com observações preferidas (ex: alcançar um alvo ou evitar colisões).

Políticas candidatas são avaliadas usando Busca em Árvore de Monte Carlo (MCTS) para lidar com a complexidade combinatória dos espaços de ação. A EFE para uma política $\pi$ é decomposta em termos que representam ganho de informação sobre estados/parâmetros, prevenção de colisões esperada e termos de utilidade para observações, posições e estados.

4. Aprendizado Online e Expansão de Mapa

O sistema atualiza seus parâmetros internos continuamente. A expansão do mapa é disparada quando um "modelo expandido" (incorporando um novo estado) produz uma energia livre menor ($\Delta F < 0$) em comparação ao modelo atual. Os modelos de transição ($B_s$) e as likelihoods de observação ($A_o$) são atualizados usando pseudo-contagens de Dirichlet baseadas em transições experienciadas versus previstas, permitindo que o agente refine seu modelo de mundo a partir do feedback sensoriomotor sem pré-treinamento.

Principais Contribuições

1. Estrutura de Inferência Ativa Unificada: O AIMAPP integra mapeamento, localização e planejamento em um único modelo generativo, eliminando a necessidade de módulos separados ou trade-offs arbitrados manualmente entre exploração e alcance de objetivos.
2. Aprendizado Online Totalmente Autossupervisionado: O agente constrói e refina seu mapa topológico a partir da primeira interação, sem pré-treinamento, coleta de dados offline ou demonstrações teleoperadas.
3. Robustez à Deriva e Ruído: Ao priorizar a consistência da crença sobre a odometria bruta, o sistema tolera a deriva de sensores e opera em ambientes com aliasing perceptual e mudanças moderadas.
4. Modularidade e Agnosticismo: A arquitetura é agnóstica ao sensor (suportando RGB, profundidade, LiDAR) e agnóstica à plataforma (compatível com ROS), separando a camada cognitiva do controle de percepção e movimento.
5. Avaliação Escalável: O sistema é avaliado em ambientes de até 325 m² (reais e simulados), uma escala anteriormente não abordada por sistemas de navegação de Inferência Ativa.

Resultados Experimentais

Os autores avaliaram o AIMAPP contra baselines de última geração (Frontier-based, GBPlanner, FAEL) e teleoperação humana em quatro ambientes simulados e três ambientes do mundo real.

• Eficiência de Exploração: Em ambientes simulados, o AIMAPP alcançou eficiência de cobertura comparável ou superior aos métodos de última geração (FAEL, GBPlanner). Especificamente, atingiu 90,3% da eficiência de cobertura da teleoperação humana em média. Em testes no mundo real, o AIMAPP superou consistentemente a exploração baseada em Fronteiras em termos de velocidade de cobertura e taxa de sucesso.
• Robustez: O AIMAPP operou com sucesso em condições onde baselines baseados em odometria (ex: Frontiers com Nav2) falharam, como em estacionamentos de areia e pisos acarpetados com deriva significativa. Demonstrou resiliência a obstáculos movidos em simulação e ruído sensorial em configurações do mundo real.
• Busca de Objetivo: O sistema alcançou desempenho de alcance de objetivo dentro de 74% do desempenho da teleoperação humana em todos os ambientes testados, sem ajuste específico para a tarefa.
• Taxas de Sucesso: O AIMAPP alcançou uma taxa de sucesso de 79% em obter cinco tentativas de exploração bem-sucedidas por ambiente, superando os Frontiers (52%) e FAEL (48%), embora ligeiramente abaixo do GBPlanner (87%). As falhas foram atribuídas principalmente a sobreposições de mapa irrecuperáveis devido a deriva severa em áreas não exploradas ou colisões físicas com obstáculos não detectados.

Significância e Alegações

O artigo afirma que o AIMAPP demonstra que a Inferência Ativa, originalmente uma teoria da neurociência computacional, pode ser adaptada com sucesso em uma estratégia de navegação modular e robusta para robôs reais. A significância reside em tratar a navegação como teste de hipóteses: previsões sobre estados futuros são geradas, avaliadas através da ação e revisadas com base na "surpresa" (erro de previsão).

Os autores enfatizam que o AIMAPP oferece uma solução modular e autossupervisionada para navegação escalável em ambientes não estruturados. Ao unificar exploração e alcance de objetivos dentro de um único objetivo (minimização da Energia Livre Esperada), o sistema evita a necessidade de ajuste específico para tarefas ou conhecimento prévio do ambiente. O trabalho representa um passo em direção a agentes autônomos que podem descobrir a estrutura de seu ambiente desde a primeira interação, operando efetivamente em espaços dinâmicos, não estruturados e desconhecidos, onde o mapeamento métrico tradicional ou modelos de aprendizado pré-treinados têm dificuldade.