不確実性下における長期間ナビゲーションのための積極的情報収集による情報の価値の学習

部分的にマッピングされた環境での長期間ナビゲーションのタスクに取り組みます。この環境では、遠くの見えない空間に関する情報の積極的収集が良好な行動にとって不可欠です。トレーニング時に、潜在的に情報を持つ未確認領域を明らかにする際の情報の価値を計算するための新しい計画戦略を提示します。これは、時間を延ばした探索行動の良さを予測するためにグラフニューラルネットワークをトレーニングするために使用されるデータです。学習を強化したモデルベースの計画アプローチは、未確認空間を明らかにする際の情報の期待値を予測し、これらの予測を使用して積極的に情報を探求し、長期間ナビゲーションを改善することができます。2つのシミュレートされたオフィスのような環境において、私たちのプランナーは競争力のある学習されたおよび非学習のベースラインナビゲーション戦略を上回り、最大63.76%および36.68%の改善を達成しました。これにより、パフォーマンスに重要な情報を積極的に探求する能力が示されます。