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

這項(xiàng)研究已經(jīng)發(fā)表在學(xué)術(shù)網(wǎng)站arXiv上，論文標(biāo)題為《利用主動(dòng)神經(jīng)SLAM學(xué)習(xí)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(shí)模擬探索環(huán)境

導(dǎo)航能力是智能代理的核心能力之一。導(dǎo)航任務(wù)有許多形式，比如點(diǎn)目標(biāo)任務(wù)指導(dǎo)航到特定的坐標(biāo)，語(yǔ)義導(dǎo)航任務(wù)指導(dǎo)航到去特定場(chǎng)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(dǎo)航的核心問(wèn)題都是如何高效地探索盡可能多的環(huán)境。這樣才能擴(kuò)大在未知環(huán)境中找到目標(biāo)的機(jī)會(huì)，或者在有限的時(shí)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(xué)習(xí)的導(dǎo)航模型，該模型依據(jù)RGB圖像直接推測(cè)出幾何體。

基于學(xué)習(xí)的導(dǎo)航策略通過(guò)端到端（end-to-end）訓(xùn)練神經(jīng)網(wǎng)絡(luò)實(shí)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(gè)優(yōu)勢(shì)：

1、提高了輸入方式選擇的靈活性；

2、提高顯式狀態(tài)估計(jì)誤差的穩(wěn)健性；

3、通過(guò)學(xué)習(xí)掌握真實(shí)世界的結(jié)構(gòu)規(guī)律性，使代理更有目的性地行動(dòng)

理論上端到端的學(xué)習(xí)策略有上述優(yōu)勢(shì)，但也有局限性。

首先，純粹從數(shù)據(jù)中學(xué)習(xí)映射、狀態(tài)評(píng)估、路徑規(guī)劃可能會(huì)非常昂貴。因此，以往的端到端學(xué)習(xí)依賴于模仿學(xué)習(xí)和以百萬(wàn)計(jì)的經(jīng)驗(yàn)框架。

其次，以往針對(duì)端到端學(xué)習(xí)策略的研究缺乏真實(shí)性。比如使用的是合成室內(nèi)環(huán)境數(shù)據(jù)庫(kù)SUNC、簡(jiǎn)化了代理動(dòng)作、運(yùn)行環(huán)境去除了傳感器噪音等。

從表現(xiàn)來(lái)說(shuō)，端到端的學(xué)習(xí)策略也往往比不需要任何學(xué)習(xí)的傳統(tǒng)方法差。

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

實(shí)驗(yàn)設(shè)計(jì)上，研究人員盡量使模型訓(xùn)練環(huán)境更真實(shí)，用到了生境模擬器和兩個(gè)基于真實(shí)情景的數(shù)據(jù)庫(kù)（Gibson和Matterport），不限制代理的動(dòng)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(xiàng)研究中，導(dǎo)航模型的任務(wù)是在固定時(shí)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(gè)學(xué)習(xí)神經(jīng)即時(shí)定位與地圖構(gòu)建（SLAM，Simultaneous localization and mapping）模塊，一個(gè)全局策略（global policy）和一個(gè)局部策略（local policy）。它們通過(guò)地圖和一個(gè)分析路徑規(guī)劃器相連。

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

▲模型示意圖

訓(xùn)練過(guò)程中，學(xué)習(xí)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(yùn)動(dòng)傳感器數(shù)據(jù)預(yù)測(cè)代理的姿勢(shì)。SLAM模塊的學(xué)習(xí)提升了輸入方式的靈活性。

全局策略利用代理的姿勢(shì)來(lái)占據(jù)自由空間地圖，并把學(xué)習(xí)現(xiàn)實(shí)世界環(huán)境布局的結(jié)構(gòu)性規(guī)則作為長(zhǎng)期目標(biāo)。全局策略可以探索真實(shí)世界環(huán)境的布局。

長(zhǎng)期目標(biāo)可以為局部策略生成短期目標(biāo)。局部策略通過(guò)學(xué)習(xí)，直接從RGB圖像中映射出代理應(yīng)該做出的動(dòng)作，呈現(xiàn)可視化反饋。

▲模型運(yùn)行過(guò)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(xùn)練集，研究人員完成了對(duì)ANS模型的訓(xùn)練，運(yùn)行了1000萬(wàn)幀探索任務(wù)的所有基線。結(jié)果如下表。

運(yùn)行結(jié)果基于模型在14個(gè)未知場(chǎng)景中994次運(yùn)行的結(jié)果進(jìn)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(gè)數(shù)值說(shuō)明，與基線相比，ANS模型在窮盡探索上更有效。

研究人員還對(duì)比了模型和基線在較大訓(xùn)練集、較小訓(xùn)練集、全部Gibson訓(xùn)練集中的運(yùn)行效果。

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

較大訓(xùn)練集中，隨著情節(jié)的發(fā)展，ANS模型與基線之間的差距會(huì)擴(kuò)大（上圖左）。

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

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

結(jié)語(yǔ)：ANS模型效率更高，未來(lái)或有更多應(yīng)用

ANS導(dǎo)航模型克服了之前的基于端對(duì)端學(xué)習(xí)策略的缺陷，基于更真實(shí)的數(shù)據(jù)庫(kù)進(jìn)行訓(xùn)練，最終探索效率有所提升。

研究人員認(rèn)為這個(gè)模型在未來(lái)或許會(huì)有更多應(yīng)用。“未來(lái)，ANS模型可以擴(kuò)展到復(fù)雜的語(yǔ)義任務(wù)，比如語(yǔ)義目標(biāo)導(dǎo)航和回答具體問(wèn)題，這將創(chuàng)建出一個(gè)能捕獲對(duì)象語(yǔ)義屬性的地圖。”

另外，這個(gè)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(dǎo)航更高效。

責(zé)任編輯：PSY