💻 computer science

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

本文介绍了 AIMAPP，这是一个自监督、兼容 ROS 的框架，它通过利用主动推理（Active Inference）动态构建稀疏拓扑地图，并在不依赖预定义地图或预训练的情况下，实现探索与目标导向导航之间的平衡，从而为陌生环境中的自主机器人统一了在线建图、定位与规划功能。

原作者： Daria de Tinguy, Tim Verbelen, Emilio Gamba, Bart Dhoedt

发布于 2026-07-08

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Daria de Tinguy, Tim Verbelen, Emilio Gamba, Bart Dhoedt

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，一个机器人被丢进了一栋全新的、陌生的建筑里。它没有蓝图，没有 GPS，也没有人告诉它该去哪里。大多数机器人会感到困惑，撞到墙壁，或者陷入循环。

这篇论文介绍了一种新的机器人导航方式，叫做 AIMAPP。不要把 AIMAPP 看作是一个拥有硬编码地图的机器人，而要把它看作是一个拥有好奇心、具备适应能力的头脑的机器人，其灵感来源于动物（如大鼠或人类）在世界中导航的方式。

以下是它的工作原理，通过简单的概念进行拆解：

1. “心理草图”（拓扑地图）

与其试图构建一个完美的、像素级的整个建筑 3D 模型（这就像试图画出墙上每一块砖头的样子），AIMAPP 构建的是一个心理草图。

类比： 想象你正在穿行于一座新城市。你不会记住每一寸路面的细节。相反，你会记住关键的地标：“那家咖啡店”、“那个公园”、“那座图书馆”。你在脑海中将它们连接起来：“如果我从咖啡店直走，就会到达公园。”
机器人的做法： 机器人创建一个“拓扑地图”。它将不同的地点视为“节点”（点），并将它们之间的路径视为“连线”（线）。随着探索的进行，它会在自己的草图中添加新的点。它不需要知道精确到毫米的度量距离；它只需要知道，“这个地方与那个地方是相连的。”

2. “好奇的探索者” vs. “目标的追求者”

机器人有两种相互竞争的驱动力，但它不需要人类来告诉它该选择哪一个。它使用一种称为**预期自由能（Expected Free Energy）**的概念来自动平衡这两者。

类比： 想象一只在公园里的狗。
- 好奇心（探索）： 狗闻到了一个奇怪的灌木丛，想要去调查那里有什么（减少不确定性）。
- 目标（利用）： 狗看到了主人在向它招手，想要直接奔向主人（实现某种偏好）。
机器人的做法： AIMAPP 为每一个可能的移动计算一个单一的分数。如果机器人迷路了，“好奇心”分数就会很高，于是它去探索。如果它知道目标在哪里，“目标”分数就会很高，于是它前往目标。它无需人类按下按钮，就能在这些模式之间无缝切换。

3. 在线学习（无需预训练）

许多现代机器人在能够工作之前，需要通过数千小时的视频数据进行数月的训练。AIMAPP 则不同。

类比： 想象一名来到异国他乡的游客。他们没有指南手册。他们通过行走、迷路并意识到“噢，那栋红色的建筑就是我之前见过的那个”来学习布局。
机器人的做法： 机器人从零知识开始。在移动过程中，它会将自己认为会看到的东西与实际看到的东西进行对比。
- 如果它看到了新事物，它会在地图中添加一个新的“点”。
- 如果它看到了熟悉的事物，它会更新关于自己所处位置的认知。
- 它通过尝试与失败，然后自我纠正，来学习环境的规则（例如“在这里左转会导致死胡同”）。

4. 处理“漂移”（摇晃的里程计）

机器人经常使用轮式传感器来猜测自己移动了多远。但在地毯或沙地上，轮子会打滑，机器人可能以为自己移动了 1 米，但实际上移动了 2 米。这被称为“漂移”。

类比： 想象你闭着眼睛走路。你通过数步数来猜测自己的位置。如果你在垫子上滑了一下，你的步数计数就是错的。但如果你睁开眼睛看到一个熟悉的标志物（比如一幅特定的画），你会立刻知道：“啊，我其实在这里，而不是我步数计数显示的位置。”
机器人的做法： AIMAPP 更多地依赖视觉识别而非轮式传感器。如果机器人的轮子显示它在走廊里，但它的摄像头看到的是厨房，它会信任摄像头。它根据自己“看到”的内容而非“感觉到”的内容来修正内部地图。这使得它在像沙地停车场这样混乱的环境中非常稳健，而其他机器人则会在此失效。

5. 结果：表现如何？

研究人员在计算机模拟和真实世界设置（仓库、房屋，甚至是一个沙地停车场）中测试了 AIMAPP。

效率： 它的探索效率几乎与拿着地图行走的人类在相同空间内的效率相当。
稳健性： 在大型仓库中，它处理移动障碍物和湿滑地面的情况比其他依赖精确地图的高级机器人更好。
失败： 如果机器人的内部地图变得过于“混乱”（例如，机器人漂移得太远，以至于它认为自己在某个新地方，但实际上是在旧地方），它偶尔也会陷入困境，但它比标准机器人恢复得要好得多。

总结

AIMAPP 是一个将机器人视为好奇动物的导航系统。它不是遵循僵化的脚本或预载的地图，而是通过边走边学的方式构建世界的心理草图，平衡探索欲望与到达目标的欲望，并通过识别熟悉景象来不断修正自己的位置。它无需预先训练即可工作，使其能够被丢入任何新环境并立即开始探索。

技术摘要：基于主动推理的自主机器人导航在线结构学习与规划

问题陈述

在陌生环境中运行的自主移动机器人面临着在没有预定义地图、大量离线训练或人类监督的情况下，同时进行定位、建图和规划的挑战。现有方法通常存在特定的权衡：

度量 SLAM 系统（例如 ORB-SLAM3, FAST-LIO2）提供了准确的位姿估计，但在大型或非结构化环境中容易产生漂移，且缺乏内在的探索策略。
路径规划器 通常会产生高昂的计算成本，或者依赖于贪婪启发式算法（例如基于前沿的探索），这会导致冗余的回溯。
基于学习的方法（例如 Neural-SLAM, ViKiNG, NoMaD）提高了灵活性，但通常需要大量的离线数据收集、预训练或针对目标环境的遥操作演示，这限制了其在真正新颖场景中的适应能力。

核心挑战在于创建一个统一的系统，该系统能够以完全自监督的方式进行在线结构学习和规划，并对传感器噪声、里程计漂移和环境变化具有鲁棒性，且不需要预训练或人工设计的先验知识。

方法论：AIMAPP 框架

作者提出了 AIMAPP（Active Inference MAPping and Planning，主动推理制图与规划），这是一个基于主动推理框架（AIF）的统一生成模型，将建图、定位和决策集成在一起。

1. 状态表示与认知地图

AIMAPP 维护一个稀疏拓扑地图，其中潜在状态被分解为两个部分：

$s_t$ （离散状态）： 代表图中一个独特节点的拓扑索引（一个“地点”）。
$p_t$ （连续度量位置）： 用于空间推理的局部 2D 度量坐标。
这种分解模仿了生物导航系统（将位置细胞身份与网格细胞路径整合分离）。地图会自适应增长；当运动预测超过现有状态的“影响半径”（由自由能比较确定）时，系统会创建新节点。观测值作为与节点关联的 360° 全景图像（或抽象传感器数据）进行存储。

2. 生成模型与推理

该系统作为一个部分可观测马尔可夫决策过程（POMDP）运行。生成模型包括：

状态转移 ( $B_s$ )： 在拓扑状态之间移动的可能性。
位置转移 ( $B_p$ )： 在度量位置之间移动的可能性。
观测似然 ( $A_o$ )： 在给定状态下观察到特定全景图的概率。
位置似然 ( $A_p$ )： 在给定状态下占据特定度量位置的概率。

定位是由信念驱动的。智能体通过最小化**变分自由能（VFE）**来推断其当前状态，将预测运动与感官证据相结合。这使得系统能够对里程计漂移具有鲁棒性；如果发生漂移，智能体会优先考虑预测结果与观测结果之间的一致性，通过寻求熟悉的观测值来进行重定位，而不是仅仅依赖原始里程计。

3. 规划与决策

动作选择由最小化预期自由能（EFE） ( $G$ ) 驱动。与传统强化学习中将探索和利用作为独立目标不同，AIMAPP 从同一个 EFE 项中同时导出两者：

认识价值（探索）： 旨在减少关于环境（状态和参数）不确定性的预期信息增益。
实用价值（利用）： 旨在实现与偏好观测（例如到达目标或避免碰撞）的预期一致性。

候选策略使用**蒙特卡洛树搜索（MCTS）**进行评估，以处理动作空间的组合复杂性。策略 $\pi$ 的 EFE 被分解为代表状态/参数信息增益、预期碰撞规避以及观测、位置和状态效用的项。

4. 在线学习与地图扩展

系统持续更新其内部参数。当“扩展模型”（包含新状态）产生的自由能比当前模型更低（ $\Delta F < 0$ ）时，会触发地图扩展。转移模型（ $B_s$ ）和观测似然（ $A_o$ ）使用基于经验与预测转移的狄利克雷伪计数进行更新，使智能体能够从感觉运动反馈中精炼其世界模型，而无需预训练。

主要贡献

统一的主动推理框架： AIMAPP 将建图、定位和规划集成到一个单一的生成模型中，消除了对独立模块或人工仲裁探索与目标达成之间权衡的需求。
完全自监督的在线学习： 智能体从第一次交互开始就构建并精炼其拓扑地图，无需预训练、离线数据收集或遥操作演示。
对漂移和噪声的鲁棒性： 通过优先考虑信念一致性而非原始里程计，系统能够容忍传感器漂移，并在存在感知歧义和中度变化的场景中运行。
模块化与无关性： 该架构是传感器无关的（支持 RGB、深度、LiDAR）且平台无关的（兼容 ROS），实现了认知层与感知及运动控制的分离。
可扩展的评估： 系统在高达 325 m² 的环境（真实和模拟）中进行了评估，这一规模此前在主动推理导航系统中尚未得到解决。

实验结果

作者在四个模拟环境和三个真实世界环境中，将 AIMAPP 与最先进的基准方法（基于前沿的方法、GBPlanner、FAEL）以及人类遥操作进行了对比评估。

探索效率： 在模拟环境中，AIMAPP 实现了与最先进方法（FAEL、GBPlanner）相当或更高的覆盖效率。具体而言，它平均达到了人类遥操作覆盖效率的 90.3%。在真实世界试验中，AIMAPP 在覆盖速度和成功率方面始终优于基于前沿的探索方法。
鲁棒性： 在里程计基准方法（如带有 Nav2 的 Frontiers）失效的情况下（例如存在显著漂移的沙地停车场或地毯地面），AIMAPP 仍能成功运行。它在模拟环境中的移动障碍物以及真实环境中的传感器噪声面前表现出了韧性。
目标寻求： 在所有测试环境中，该系统在无需针对特定任务进行调优的情况下，实现了达到人类遥操作性能 74% 的目标到达表现。
成功率： AIMAPP 在每个环境中获得五次成功探索试验的成功率为 79%，优于 Frontiers (52%) 和 FAEL (48%)，但略低于 GBPlanner (87%)。失败主要归因于在大规模未探索区域由于严重漂移导致的不可恢复的地图重叠，或与未检测到的障碍物发生物理碰撞。

意义与主张

本文声称，AIMAPP 证明了最初源于计算神经科学的主动推理可以成功转化为用于真实机器人的模块化、鲁棒的导航策略。其意义在于将导航视为假设检验：通过行动生成关于未来状态的预测，并根据“惊讶度”（预测误差）进行修正。

作者强调，AIMAPP 提供了一种模块化、自监督的解决方案，用于在非结构化环境下的可扩展导航。通过将探索和目标达成统一在同一个目标（最小化预期自由能）内，该系统避免了对特定任务的调优或对预先存在的环境知识的需求。这项工作代表了迈向自主智能体的一步，使其能够从第一次交互开始发现环境结构，并在传统度量建图或预训练学习模型难以应对的动态、非结构化且陌生的空间中有效运行。