近日，卡內(nèi)基·梅隆大學、臉書等機構(gòu)的研究人員提出了一個新的AI環(huán)境探索模型。這個新模型綜合了傳統(tǒng)環(huán)境探索模型和基于學習方法的環(huán)境探索模型的優(yōu)點，更簡單和不易出錯。

這項研究已經(jīng)發(fā)表在學術(shù)網(wǎng)站arXiv上，論文標題為《利用主動神經(jīng)SLAM學習探索環(huán)境（Learning To Explore Using Active Neural SLAM）》。

論文鏈接：https://arxiv.org/pdf/2004.05155.pdf

一、ANS模型：真實模擬探索環(huán)境

導航能力是智能代理的核心能力之一。導航任務(wù)有許多形式，比如點目標任務(wù)指導航到特定的坐標，語義導航任務(wù)指導航到去特定場景或?qū)ο蟮穆窂健?/p>

不論哪一種任務(wù)，在未知環(huán)境中導航的核心問題都是如何高效地探索盡可能多的環(huán)境。這樣才能擴大在未知環(huán)境中找到目標的機會，或者在有限的時間里有效地預(yù)映射環(huán)境。

傳統(tǒng)的探索模型原理是用傳感器觀察幾何體。之后有研究者提出了基于學習的導航模型，該模型依據(jù)RGB圖像直接推測出幾何體。

基于學習的導航策略通過端到端（end-to-end）訓練神經(jīng)網(wǎng)絡(luò)實現(xiàn)，可以處理原始的傳感器數(shù)據(jù)，直接輸出代理該執(zhí)行的操作。這種策略有3個優(yōu)勢：

1、提高了輸入方式選擇的靈活性；

2、提高顯式狀態(tài)估計誤差的穩(wěn)健性；

3、通過學習掌握真實世界的結(jié)構(gòu)規(guī)律性，使代理更有目的性地行動

理論上端到端的學習策略有上述優(yōu)勢，但也有局限性。

首先，純粹從數(shù)據(jù)中學習映射、狀態(tài)評估、路徑規(guī)劃可能會非常昂貴。因此，以往的端到端學習依賴于模仿學習和以百萬計的經(jīng)驗框架。

其次，以往針對端到端學習策略的研究缺乏真實性。比如使用的是合成室內(nèi)環(huán)境數(shù)據(jù)庫SUNC、簡化了代理動作、運行環(huán)境去除了傳感器噪音等。

從表現(xiàn)來說，端到端的學習策略也往往比不需要任何學習的傳統(tǒng)方法差。

為了解決全面端到端學習的局限性，卡內(nèi)基·梅隆大學、臉書、伊利諾大學厄巴納-香檳分校的研究人員推出了“主動神經(jīng)即時定位與地圖構(gòu)建（ANS，Active Neural SLAM）模型”。

實驗設(shè)計上，研究人員盡量使模型訓練環(huán)境更真實，用到了生境模擬器和兩個基于真實情景的數(shù)據(jù)庫（Gibson和Matterport），不限制代理的動作，還模擬了傳感器噪音。

二、縮小搜索范圍，兼顧搜索性能和效率

本項研究中，導航模型的任務(wù)是在固定時間內(nèi)覆蓋最大范圍。覆蓋范圍定義為地圖中已知被穿越的總面積。

ANS模型包括一個學習神經(jīng)即時定位與地圖構(gòu)建（SLAM，Simultaneous localization and mapping）模塊，一個全局策略（global policy）和一個局部策略（local policy）。它們通過地圖和一個分析路徑規(guī)劃器相連。

層次化和模塊化的設(shè)計和分析規(guī)劃的使用，大大減小了訓練過程中的搜索范圍，同時提高了性能和樣本效率。

▲模型示意圖

訓練過程中，學習神經(jīng)SLAM模塊產(chǎn)生自由空間地圖，并依據(jù)輸入的RGB圖像和運動傳感器數(shù)據(jù)預(yù)測代理的姿勢。SLAM模塊的學習提升了輸入方式的靈活性。

全局策略利用代理的姿勢來占據(jù)自由空間地圖，并把學習現(xiàn)實世界環(huán)境布局的結(jié)構(gòu)性規(guī)則作為長期目標。全局策略可以探索真實世界環(huán)境的布局。

長期目標可以為局部策略生成短期目標。局部策略通過學習，直接從RGB圖像中映射出代理應(yīng)該做出的動作，呈現(xiàn)可視化反饋。

▲模型運行過程示意圖

三、ANS模型能探索更大范圍，比基線模型性能優(yōu)秀

利用Gibson訓練集，研究人員完成了對ANS模型的訓練，運行了1000萬幀探索任務(wù)的所有基線。結(jié)果如下表。

運行結(jié)果基于模型在14個未知場景中994次運行的結(jié)果進行平均。與最佳基線的24.863m^2/0.789相比，模型的覆蓋率為32.701m^2/0.948。這個數(shù)值說明，與基線相比，ANS模型在窮盡探索上更有效。

研究人員還對比了模型和基線在較大訓練集、較小訓練集、全部Gibson訓練集中的運行效果。

較小訓練集中，ANS模型能在500步探索完未知環(huán)境，而基線運行1000步后仍只探索了位置環(huán)境的85~90%（上圖中）。

較大訓練集中，隨著情節(jié)的發(fā)展，ANS模型與基線之間的差距會擴大（上圖左）。

基線模型中，代理經(jīng)常只探索局部區(qū)域，這說明它們無法記住長期視野的探索區(qū)域，不能進行長期規(guī)劃。相比之下，ANS采用全局策略，可以記憶探索過的區(qū)域，有效地規(guī)劃并實現(xiàn)長期目標。

受到結(jié)果鼓舞，研究人員用ANS模型部署了一個環(huán)境探索機器人。通過調(diào)整攝相機的高度和垂直視野，并匹配棲息地模擬器，機器人成功探索出一個公寓的生活區(qū)域。

結(jié)語：ANS模型效率更高，未來或有更多應(yīng)用

ANS導航模型克服了之前的基于端對端學習策略的缺陷，基于更真實的數(shù)據(jù)庫進行訓練，最終探索效率有所提升。

研究人員認為這個模型在未來或許會有更多應(yīng)用?！拔磥恚珹NS模型可以擴展到復雜的語義任務(wù)，比如語義目標導航和回答具體問題，這將創(chuàng)建出一個能捕獲對象語義屬性的地圖?！?/p>

另外，這個模型也可以與先前的本地化工作結(jié)合，在此前創(chuàng)建的地圖中重新定位，使之后的導航更高效。

責任編輯：PSY