Coleta Ativa de Informação para Navegação de Longo Prazo Sob Incerteza Aprendendo o Valor da Informação

Abordamos a tarefa de navegação de longo prazo em ambientes parcialmente mapeados, para os quais a coleta ativa de informações sobre espaços distantes e invisíveis é essencial para um bom comportamento. Apresentamos uma nova estratégia de planejamento que, no momento do treinamento, possibilita o cálculo gerenciável do valor da informação associado à revelação de regiões potencialmente informativas do espaço não visto, dados utilizados para treinar uma rede neural gráfica para prever a qualidade de ações exploratórias temporais. Nossa abordagem de planejamento baseada em modelos aumentada por aprendizado prevê o valor esperado da informação ao revelar espaço não visto e é capaz de usar essas previsões para buscar ativamente informações e, assim, melhorar a navegação de longo prazo. Em dois ambientes simulados semelhantes a escritórios, nosso planejador supera estratégias de navegação baseadas em aprendizado e não aprendizado competitivas, alcançando melhorias de até 63,76% e 36,68%, demonstrando sua capacidade de buscar ativamente informações críticas para o desempenho.