Autoregressiver Agent mit Nachrichtenübermittlung verbessert Roboternavigation

Wissenschaftler haben einen neuen Autoregressiven Active‑Inference-Agenten entwickelt, der auf Nachrichtenübermittlung in einem Faktorgraphen basiert. Durch die Ableitung und Verteilung der erwarteten freien Energie über ein Planungsgraphen‑Netzwerk kann der Agent seine Handlungen dynamisch anpassen.

In einer Roboternavigationsaufgabe zeigte der Agent sowohl explorative als auch exploitative Fähigkeiten in einem kontinuierlichen Beobachtungsraum mit begrenzten kontinuierlichen Aktionen. Im Vergleich zu klassischen optimalen Controllern reagiert der Agent auf Vorhersageunsicherheit, was zu einer späteren, aber präziseren Modellierung der Roboterdynamik führt.

Die Ergebnisse demonstrieren, dass die Kombination aus autoregressiver Modellierung und Nachrichtenübermittlung die Entscheidungsfindung in komplexen, kontinuierlichen Umgebungen deutlich verbessert und damit neue Perspektiven für autonome Systeme eröffnet.