Active Sensing Subserves Task-Level Control
本文提出，主动感知并非主要由不确定性降低等感知目标驱动，而是作为实现稳健任务级控制的必要策略而涌现，其中生物体在离散的“探索”与“利用”模式间切换以塑造感知反馈——这一生物学原理有望显著推动工程机器人系统的设计。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下，你正试图将一根扫帚柄平衡在手掌上。为了保持它直立，你必须不断移动手掌。但这里有个转折：你移动手掌不仅仅是为了防止扫帚倒下，同时也是为了更好地感知扫帚。
本文认为，在动物界中，“主动感知”（即为了获取信息而移动）不仅仅是学习世界的一种奢侈手段。相反，它是一种必要的生存技巧，由于我们的身体和大脑的构造方式，这种技巧会自动发生。
以下是他们发现的解析，使用了简单的类比：
1. 问题：“麻木”的传感器
大多数生物传感器（如我们的眼睛、耳朵，或鱼类的电感应）都是适应性的。这意味着它们非常擅长察觉变化，但对于保持不变的事物会变得“麻木”。
- 类比：想象走进一个充满浓烈咖啡味的房间。起初，你强烈地闻到了咖啡味。十秒后，你的鼻子“适应”了，即使咖啡味依然存在，你也不再注意到它。
- 后果：如果动物保持完全静止，它的传感器就会对其自身的位置“视而不见”。它无法判断自己相对于世界的位置。为了保持控制，它必须移动，以创造出其传感器能够检测到的新变化。
2. 解决方案：“探索”与“利用”的共舞
该论文提出，动物并非随机移动。它们像驾驶员换挡一样，在两种截然不同的模式之间切换：
“利用”模式（巡航控制）：
- 目标：高效地完成任务（例如，保持在移动的船上，追踪猎物）。
- 行动：动物缓慢而平稳地移动，以抵消误差。它试图相对于目标保持静止。
- 类比：你在高速公路上直线行驶，双手稳握方向盘，只想保持在车道内。你不太环顾四周，因为你知道自己在哪里。
“探索”模式（检查）：
- 目标：唤醒传感器。
- 行动：动物做出快速、顿挫或幅度较大的移动。这会制造“感官滑移”（即位置与感觉之间的不匹配），从而将传感器重新激活。
- 类比：你在雾中驾驶。视线不佳，所以你轻点刹车或轻微转向，以观察车辆的反应，并更好地掌握路况。你移动是专门为了获取信息。
神奇之处：动物在这两种模式之间切换得极快。当它们内部的“不确定性计”过高（即它们不确定自己在哪里）时，它们会切换到探索模式以获取定位。一旦确认了位置，它们就切换回利用模式以完成任务。
3. 为什么自然界这样做（而机器人不这样做）
工程师通常构建拥有“完美”传感器的机器人，这些传感器不会麻木。他们使用一条称为分离原理的规则：
- 首先，机器人精确计算它在哪里。
- 然后，它决定如何移动。
自然界并非如此。因为生物传感器是“适应性”的（它们会麻木），机器人如果不先移动，就无法计算自己在哪里。
- 论文的论点：主动感知并非一个独立的步骤，用于“了解”世界。它是试图用适应性传感器控制身体时产生的不可避免的副作用。你必须扭动才能知道自己在哪，而你扭动是因为你需要控制你的运动。
4. “弱电鱼”示例
研究人员研究了一种名为Eigenmannia的小鱼，它在移动的管子（避难所）内游动。
- 这种鱼拥有电感应，如果水流静止，这种感应就会“麻木”。
- 为了留在管子里，鱼必须不断地前后扭动。
- 当水很黑（难以看见）时，鱼会更频繁地扭动（更多的“探索”模式），以确保它不会漂出管子。
- 这证明了这种运动不仅仅是为了“看”；从数学上讲，它是保持鱼体稳定所必需的。
5. 核心结论
该论文认为，我们一直用错误的方式看待动物的运动。我们曾认为动物移动是为了“收集信息”。
新观点：动物移动是为了控制其任务，而收集信息只是这种运动的一个必要副产品。
- 旧观点：“我移动头部是为了更好地看到球。”
- 新观点：“我移动手是为了接住球，而我的大脑被迫扭动我的头部，以防止我的传感器麻木，从而让我能够实际控制我的手。”
作者建议，如果我们想制造更好的机器人，就不应该仅仅给它们更好的摄像头。我们应该教它们像动物一样“扭动”（在探索和利用之间切换），因为当你的传感器不完美时，这就是保持控制的方法。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。