[Paper] 自我运动作为结构先验，以实现认知地图的连贯且稳健的形成

Source: arXiv - 2512.20044v1

概述

本文挑战了认知地图主要依赖外部感官线索的主流观点，提出自我运动（动物自身的移动）可以作为结构先验，主动塑造并稳定空间表征。通过在使用类脉冲（spiking‑style）动力学的预测编码网络（predictive‑coding network）中嵌入基于运动的先验，作者展示了即使在视觉标志噪声大、缺失或冲突的情况下，也能形成更连贯、更稳健的地图。

关键贡献

• 基于运动的结构先验： 引入一个路径积分模块，作为学习地图的支架，而不是简单的增量更新。
• 受大脑启发的递归架构： 结合脉冲动力学、模拟调制和自适应阈值，以低计算开销实现高容量。
• 在挑战性环境中的鲁棒性： 在高度混叠、动态变化和自然环境中显示出拓扑保真度和位置精度的一致提升。
• 零样本泛化： 运动先验编码精确轨迹，可在未见地图上转移而无需重新训练，优于天真的运动约束。
• 真实世界验证： 将系统部署在四足机器人上，运动先验在真实感官变异下提升基于地标的导航。

方法论

1. Predictive‑Coding Framework: 网络预测下一个感官观测，并通过最小化预测误差来更新内部状态，呼应皮层推理的理论。
2. Path‑Integration Prior: 一个专用模块整合本体感受和前庭类信号，以生成潜在轨迹（latent trajectory），从而约束地图的几何结构。
3. Spiking‑Analog Hybrid Neurons: 每个循环单元发出离散脉冲，其发放率受连续模拟信号调制；自适应阈值防止活动失控并保持模型规模小。
4. Training Regime: 系统在模拟环境中端到端训练，故意加入损坏或缺失的视觉地标，以促使模型依赖运动先验。
5. Evaluation Suite: 基准测试包括 (a) 拓扑正确性（基于图的度量），(b) 全局位置误差，和 (c) 在不同感官模糊程度下的下一步预测准确率。

结果与发现

• 已稳定的地图几何: 添加运动先验将全局位置误差降低约 ≈30 %，并在所有测试世界中将拓扑一致性提升约 ≈25 %。
• 对感官退化的鲁棒性: 当视觉线索的分辨率降至原始的 10 % 时，加入先验的模型仍保持 >80 % 的基线性能，而仅使用感官的基线模型性能跌破 50 %。
• 零样本迁移: 在没有任何微调的情况下，模型在全新迷宫上仍能达到相近的精度，证实运动先验捕获了与环境无关的几何约束。
• 机器人演示: 在四足平台于杂乱的室内竞技场中导航时，运动先验系统完成任务的速度提升 1.8×，定位失败率降低 40 %，相较仅依赖视觉特征的传统 SLAM 系统。

实际意义

• 更可靠的边缘设备 SLAM： 运动先验可以以极小的内存和计算实现，使其对必须在间歇视觉输入下运行的低功耗机器人、无人机或 AR 头显具有吸引力。
• 在 GPS 缺失环境中的改进导航： 通过将自运动视为结构性支架，自动驾驶车辆在 GPS 或 LiDAR 数据暂时不可用时仍能保持一致的地图。
• 混合神经启发式控制器： 开发者可以将脉冲‑模拟递归块集成到现有深度学习流水线中，获得生物运动整合的鲁棒性而不牺牲可扩展性。
• 零样本地图适应： 已展示的泛化能力表明，单个预训练的运动先验可服务于多台机器人或多种环境，减少昂贵的数据收集和再训练需求。

限制与未来工作

• 简化本体感受模型： 当前的路径积分模块假设理想化、无噪声的自运动信号；真实传感器（IMU、轮式编码器）会引入漂移，需要显式补偿。
• 对大规模户外地图的可扩展性： 实验局限于室内规模的竞技场；将该方法扩展到城市规模的导航将需要层次化先验和长期记忆机制。
• 生物学可行性 vs. 工程权衡： 虽然脉冲动力学降低了参数数量，但可能会使其与主流深度学习框架的集成变得复杂；未来工作可以探索软硬件协同设计（例如神经形态芯片）。
• 多模态融合： 研究聚焦于视觉地标；加入听觉、触觉或语义线索可以进一步提升鲁棒性，是后续研究的有前景方向。

作者

• Yingchao Yu
• Pengfei Sun
• Yaochu Jin
• Kuangrong Hao
• Hao Zhang
• Yifeng Zhang
• Wenxuan Pan
• Wei Chen
• Danyal Akarca
• Yuchen Xiao

论文信息

• arXiv ID: 2512.20044v1
• 分类: q-bio.NC, cs.NE
• 出版日期: 2025年12月23日
• PDF: 下载 PDF