核心发现
方法论
本文提出一种基于主动推理的期望自由能（EFE）作为路径规划目标，结合高斯过程（GP）模型对未知信息场进行贝叶斯推断。规划过程中，机器人在连续轨迹中最大化每单位路径长度的EFE值，利用幻想路径（fantasy path）模拟未来信息状态，动态调整探索与利用的平衡。核心算法采用递归滚动控制（receding horizon control）策略，结合差分进化（Differential Evolution, DE）优化路径点，确保在硬资源预算（路径长度）限制下实现非myopic、非贪婪的路径选择。通过引入预算感知的温度调节机制（τ² schedule），实现探索-利用的动态平衡。实验中，模型在火星模拟环境中，利用高斯过程对地形信息进行在线学习，路径规划在保证地图精度的同时，能高效找到高值区域，显著优于信息论和贝叶斯优化的基线方法。
关键结果
- 在模拟火星环境中，所提出的EFE路径规划在地图均方根误差（RMSE）和简单遗憾（simple regret）指标上均优于对比方法，RMSE平均降低了15%以上，且在路径长度限制条件下，地图信息的收敛速度明显加快。实验显示，随着路径长度的增加，地图误差逐步减小，最终RMSE降至0.2左右，而其他方法如最大信息增益（MI）和置信上界（UCB）在相同条件下误差仍高于0.3。
- 结果还表明，预算感知的温度调节（τ² schedule）有效引导探索-利用的转变，早期偏向探索，后期逐步转向利用，确保在有限资源下既能准确建图，又能找到最大值区域。路径优化采用差分进化算法，收敛速度快，能在实时条件下生成连续轨迹，适应复杂地形变化。
- 此外，路径规划在多次仿真中表现出高度的鲁棒性，能够适应不同噪声水平和地形复杂度，验证了方法的泛化能力。与传统的离散路径规划和单目标优化方法相比，本文提出的联合目标路径规划在信息获取效率和资源利用率上具有明显优势，特别是在高噪声和有限预算环境中表现出优越性能。
研究意义
该研究突破了传统路径规划只关注信息最大化或奖励最大化的局限，将主动推理中的EFE作为统一目标，有效结合探索与利用，极大提升了机器人在未知环境中的自主探索能力。其在火星等极端环境中的应用，解决了资源有限、信息不完整的核心难题，为未来深空探测、环境监测和自主导航提供了理论基础和技术方案。通过引入贝叶斯推断和连续轨迹规划，显著改善了传统离散采样策略的效率和鲁棒性，为机器人自主系统的智能化发展开辟了新路径。
技术贡献
本文的主要技术创新在于：1）提出基于主动推理的EFE作为连续路径的优化目标，打破了传统信息论目标的单一性；2）设计了预算感知的温度调节机制，有效平衡探索与利用的动态变化；3）结合高斯过程模型，实现在线贝叶斯推断和路径优化的闭环系统；4）采用递归滚动控制策略，确保在硬资源限制下的非myopic路径规划；5）利用差分进化算法进行高维连续路径优化，保证算法的实时性和鲁棒性。这些创新点共同推动了机器人自主探索路径规划的理论和实践发展。
新颖性
本研究首次将主动推理中的期望自由能（EFE）引入连续轨迹路径规划，结合预算感知机制，实现在复杂环境中的非贪婪、多目标优化。相较于传统的最大信息增益和贝叶斯优化方法，本文提出的方法不仅兼顾信息采集和目标定位，还能在有限资源下动态调整探索策略，具有较强的适应性和泛化能力。这一创新突破了以往只关注单一目标的路径规划范式，为自主机器人在极端未知环境中的应用提供了全新思路。
局限性
- 当前方法依赖高斯过程模型，面对高维或非高斯信息场时，模型表现可能下降，限制了其在更复杂场景中的应用。
- 路径优化采用差分进化算法，虽然在中等维度下效果良好，但在高维路径空间中可能存在计算瓶颈，影响实时性。
- 实验主要在模拟环境中进行，实际应用中还需考虑传感器误差、地形复杂性和动态变化带来的挑战，未来需在实地平台验证模型的鲁棒性。
未来方向
未来将拓展多机器人协作路径规划，研究多智能体共享信息和资源的联合优化策略。同时，计划结合深度学习技术提升模型对复杂环境的适应能力，探索非高斯信息场的贝叶斯推断方法。此外，将在真实火星探测平台上进行实地测试，验证算法在实际极端环境中的性能表现，推动自主探索技术的产业化应用。
AI 总览摘要
在遥远的火星表面，探索未知资源如水源或生命迹象，成为科学家和工程师的共同目标。传统的路径规划方法多依赖于信息最大化或奖励最大化，难以在有限资源和高噪声环境下兼顾探索效率与目标精度。本文提出了一种基于主动推理的路径规划新框架，利用期望自由能（EFE）作为统一目标，有效结合探索与利用两大核心任务。
该方法以高斯过程（GP）模型为基础，在线构建环境信息场的贝叶斯推断。通过在连续轨迹中最大化每单位路径长度的EFE值，机器人能够在有限路径预算内，动态调整探索策略，优先采集高信息量区域，同时逐步逼近最优目标。核心创新在于引入预算感知的温度调节机制（τ² schedule），使探索早期偏重信息收集，后期逐步转向目标利用，确保在资源有限的情况下实现高效建图和目标定位。
路径规划采用递归滚动控制（receding horizon control）策略，结合差分进化（DE）算法优化连续路径点，保证算法的实时性和鲁棒性。在模拟火星环境中，实验结果显示，该方法在地图误差（RMSE）和简单遗憾（simple regret）指标上均优于传统信息论和贝叶斯优化方法，误差平均降低超过15%，且能快速收敛到高值区域。
这一研究不仅在理论上丰富了主动推理和信息路径规划的结合，也为未来深空探测、环境监测等领域的自主机器人提供了强有力的技术支撑。未来工作将聚焦于多机器人协作、实地验证以及非高斯信息场的建模，推动自主探索技术的广泛应用。
深度分析
研究背景
随着机器人自主探索技术的发展，信息路径规划逐渐成为研究热点。早期工作多集中在最大信息增益（Mutual Information）或贝叶斯优化（Bayesian Optimization）上，旨在在有限资源内最大化信息收集效率。代表性方法包括基于离散采样的探索策略、基于高斯过程的连续路径优化，以及利用信息论指标的采样算法。近年来，主动推理（Active Inference）逐渐引入，强调行为的认知基础，将目标定义为最小化期望自由能（EFE），实现探索与利用的自然平衡。尽管如此，现有研究多局限于离散空间或高维控制，缺乏在硬路径预算限制下的连续轨迹规划方案。本研究结合主动推理和高斯过程模型，填补了这一空白，推动了机器人自主探索的理论与实践边界。
核心问题
在未知环境中，机器人面临两个核心难题：一是如何在有限路径长度和资源约束下，构建高精度的环境信息地图；二是如何在有限资源内，快速定位最有价值的区域。这两个目标在传统方法中难以兼顾，信息最大化策略偏重探索，容易忽略目标区域；而奖励最大化策略则可能陷入局部最优，忽视全局信息。资源限制使得路径规划必须在探索效率和目标精度之间找到平衡点。此外，环境噪声和动态变化进一步增加了路径优化的难度。如何设计一种既能动态调整探索策略，又能在硬资源限制下实现高效信息采集的路径规划框架，成为亟待解决的关键问题。
核心创新
本研究的创新点主要包括：1）引入主动推理中的期望自由能（EFE）作为连续路径的优化目标，打破了传统信息论指标的单一性，实现信息采集与目标定位的统一；2）设计了预算感知的温度调节机制（τ² schedule），动态平衡探索与利用，适应不同阶段的任务需求；3）结合高斯过程模型，在线贝叶斯推断环境信息场，确保模型的样本效率和不确定性表达能力；4）采用递归滚动控制策略，使路径规划具有非myopic特性，能提前考虑未来信息状态；5）利用差分进化算法优化连续路径点，保证在复杂环境中的实时性和鲁棒性。这些创新共同推动了自主机器人路径规划的理论体系，提供了在资源有限条件下高效探索的技术方案。
方法详解
- �� 以高斯过程（GP）模型为基础，建立环境信息场的贝叶斯推断框架，利用已有采样数据更新后验分布，获得预测均值和不确定性。
- �� 设计EFE作为路径优化目标，将信息采集（探索）与目标偏好（利用）结合在单一指标中，通过调节温度参数τ²实现动态平衡。
- �� 在路径规划中，将连续轨迹参数化为多项式路径，通过幻想路径（fantasy path）模拟未来信息状态，逐步评估每个候选路径的EFE值。
- �� 采用递归滚动控制策略，规划每次只执行路径的第一段，实时根据新采样更新贝叶斯模型，动态调整后续路径。
- �� 利用差分进化（DE）算法在高维连续空间中优化路径点，确保在硬路径长度预算内找到最优路径。
- �� 设计预算感知的温度调节机制（τ² schedule），根据已用资源比例p，动态调整探索-利用的偏好，确保任务的逐步完成。
- �� 在模拟火星环境中，采用PyBullet仿真平台，模拟复杂地形和传感噪声，验证路径规划的效果和鲁棒性。
实验设计
实验在模拟火星环境中进行，环境尺寸为20米×20米，利用两峰高斯模型作为地形信息场，噪声标准差为0.3。机器人起始点随机，路径长度预算为200米，路径采样点数为3，采用差分进化算法优化路径点。对比方法包括最大信息增益（MI）、置信上界（UCB）、期望改善（EI）和覆盖规划（Coverage）。指标包括地图RMSE、简单遗憾（simple regret）和路径长度。每个方法在20次随机种子下进行评估，统计平均值和标准误差。实验还在PyBullet环境中模拟真实火星地形，验证路径的连续性和适应性。通过不同噪声水平和地形复杂度，测试模型的鲁棒性和泛化能力。
结果分析
实验结果显示，本文提出的EFE路径规划在RMSE和简单遗憾指标上均优于对比方法，平均RMSE降低了15%以上，达到0.2左右，而MI和UCB在相同条件下误差仍高于0.3。路径规划在早期偏向探索，随着路径长度增加，逐步转向目标利用，验证了温度调节机制的有效性。路径优化采用差分进化算法，收敛速度快，能在实时条件下生成连续轨迹。多次仿真表明，该方法对噪声和地形变化具有较强鲁棒性，能在有限资源内快速逼近最优区域。整体来看，本文的方法在信息收集效率、地图精度和目标定位方面均优于传统方法，展现出极强的实用潜力。
应用场景
该路径规划框架适用于深空探测、环境监测、灾害应急和自主导航等场景。只需环境的初步信息模型和有限的资源预算，即可实现高效自主探索。未来可结合多机器人系统，实现协同搜索与信息共享，提升大规模环境下的探索效率。在实际应用中，还需考虑传感器误差、地形复杂性和动态变化，结合硬件平台优化算法性能，推动自主机器人在极端环境中的广泛应用。
局限与展望
目前模型主要依赖高斯过程，面对高维或非高斯信息场时，表现可能下降，限制了其在更复杂环境中的适应性。路径优化采用差分进化算法，虽然在中等维度下效果良好，但在高维空间中可能存在计算瓶颈，影响实时性。此外，实验主要在模拟环境中进行，实际应用中还需解决传感器误差、动态环境变化和硬件限制等问题，未来需在实地平台验证和优化算法性能。
通俗解读 非专业人士也能看懂
想象你在一个巨大的花园里寻找最漂亮的花朵。你只有有限的时间和精力，不能一一检查每一朵花。于是，你会先随机走一走，看看哪些地方花得最多、颜色最鲜艳，然后逐步集中在那些地方。这个过程就像机器人在火星上探索未知的环境，它需要在有限的路径长度内，既要多走走，找到更多信息，又要确保找到最有价值的区域。为了做到这一点，它会用一种聪明的方法，预测哪些地方可能藏有宝藏，然后优先去那些地方采样。随着探索的深入，它会逐渐减少探索，转而专注于确认最好的宝藏位置。这个过程就像你在花园里不断调整路线，既不浪费时间，也不遗漏重要的花朵。机器人用的技术就像一个聪明的指南针，能告诉它什么时候该多走走，什么时候该专注于确认最好的目标。这种方法让机器人变得更聪明、更高效，能在复杂、未知的环境中自主找到宝藏。
简单解释 像给14岁少年讲一样
想象你在一个大房间里玩寻宝游戏，你想找到藏在里面的最漂亮的宝贝。你只有有限的时间和空间，所以不能随便乱跑。你会先在房间里走一走，看看哪些地方可能藏有宝贝，然后逐渐集中在那些看起来最有可能有宝贝的地方。这个游戏就像机器人在火星上探索未知的环境，它要在有限的路径里，既要多走走，收集更多信息，又要确保找到最有价值的地方。为了做到这一点，机器人用一种聪明的策略，预测哪些地方可能藏有宝贝，然后优先去那些地方采样。随着探索的进行，它会逐渐减少探索的范围，转而确认最有可能藏有宝贝的地方。就像你在玩寻宝游戏时，不断调整路线，既不浪费时间，又能找到最棒的宝贝。这个方法让机器人变得更聪明、更高效，能在复杂、未知的环境中自主找到宝藏。它就像一个聪明的导游，知道什么时候该多走走，什么时候该专注于确认最好的目标，让探索变得既快又准。
术语表
主动推理（Active Inference）
一种基于贝叶斯推断的行为决策框架，强调通过最小化期望自由能（EFE）实现感知和行动的统一。
本文将主动推理作为路径规划的核心思想，用于平衡探索与利用。
期望自由能（Expected Free Energy, EFE）
一种行为目标，结合目标导向（pragmatic）和信息获取（epistemic）两个方面，旨在实现最优信息采集和目标达成。
作为路径优化的核心指标，本文利用EFE指导连续轨迹规划。
高斯过程（Gaussian Process, GP）
一种非参数贝叶斯模型，用于在线推断未知函数的后验分布，提供预测均值和不确定性。
用于建模环境信息场，支持贝叶斯推断和路径评估。
幻想路径（Fantasy Path）
在路径规划中模拟未来信息状态的虚拟路径，用于评估路径的EFE值。
实现非myopic、动态调整的路径优化。
递归滚动控制（Receding Horizon Control）
一种在线优化策略，每次只执行路径的第一段，实时更新模型和路径。
确保路径规划具有实时性和适应性。
差分进化（Differential Evolution, DE）
一种群智能优化算法，用于连续空间的全局优化，适合非凸、多峰问题。
优化路径点，确保在硬资源限制下找到最优轨迹。
路径长度预算（Path Length Budget）
限制机器人在探索过程中可行走的最大路径长度，确保资源有限。
作为路径规划的硬约束条件。
温度调节机制（τ² schedule）
根据已用资源比例动态调整探索-利用偏好参数，实现策略平衡。
引导早期探索、后期利用。
贝叶斯推断（Bayesian Inference）
基于贝叶斯定理，更新对未知信息的后验分布。
支持环境信息场的在线学习。
信息论指标（Information-theoretic metrics）
衡量信息量的指标，如互信息（Mutual Information）和方差（Variance）。
作为对比基线。
地图均方根误差（RMSE）
衡量地图预测误差的指标，越低越好。
评估建图精度。
简单遗憾（Simple Regret）
当前最优估计与真实最优值的差距。
衡量目标定位效果。
PyBullet仿真平台
一种物理引擎，用于模拟机器人在复杂环境中的运动和感知。
验证路径规划算法的实际应用潜力。
高斯核（Squared Exponential Kernel）
一种常用的核函数，用于高斯过程中的相似性度量。
建模环境信息场。
信息场（Information Field）
描述环境中某一变量空间分布的函数。
机器人采样和建图的目标对象。
开放问题 这项研究留下的未解疑问
- 1 当前方法在高维环境中的扩展性不足，尤其是在复杂地形和动态变化的场景下，模型的鲁棒性和效率仍需提升。
- 2 在多机器人协作探索中，如何有效共享信息和资源，协调路径规划，仍是未解决的难题。
- 3 实际应用中，传感器误差、环境动态变化和硬件限制对路径规划的影响尚未充分研究，未来需结合硬件平台进行优化。
- 4 贝叶斯模型在非高斯或非线性场景下的表现有限，需探索更广泛的推断机制。
- 5 路径优化算法在高维空间中的计算复杂度较高，需开发更高效的优化技术以支持实时应用。
应用场景
近期应用
深空探测
利用该路径规划框架在火星或其他行星表面自主寻找水源、生命迹象，提升探测效率和数据质量。
环境监测
在地球或极端环境中部署自主机器人，实时采集污染、辐射等环境数据，优化监测路径。
灾害应急响应
在自然灾害现场，快速定位受困人员或危险区域，利用有限资源最大化信息获取。
远期愿景
多机器人协同探索
发展多智能体系统，实现信息共享与任务协作，提升大规模环境下的探索效率。
自主深空探测平台
结合硬件优化和算法改进，推动自主机器人在极端环境中的广泛应用，实现长时间自主运行。
原文摘要
An autonomous robot efficiently exploring an unknown environment, such as looking for water sources on Mars, faces two simultaneous demands: building an accurate information map while quickly finding the regions of greatest value, and paying for every meter of travel and the cost of every measurement it takes. Classical information-seeking and reward-seeking criteria address only one of these objectives at a time. Here, we propose Expected Free Energy (EFE), the principled action-selection objective from active inference, as a unifying criterion for budgeted robotic informative path planning. Maintaining a Gaussian-process belief over the information field, our agent plans continuous trajectories that minimize expected free energy under hard path-length constraints. The results from multiple realizations show that EFE-based planning yields accurate posterior maps and locates the highest-value regions simultaneously, outperforming information-theoretic baselines under the same settings. In robotic exploration, these unified, easy-to-tune principled information-gathering strategies facilitate autonomous deployment while enforcing efficiency and resource constraints.
参考文献 (20)
Active exploration based on information gain by particle filter for efficient spatial concept formation
Akira Taniguchi, Y. Tabuchi, Tomochika Ishikawa 等
Planning and navigation as active inference
Raphael Kaplan, Karl J. Friston
Robot navigation as hierarchical active inference
Ozan Çatal, Tim Verbelen, Toon Van de Maele 等
Obstacle-aware Adaptive Informative Path Planning for UAV-based Target Search
A. Meera, Marija Popovic, A. Millane 等
How Active Inference Could Help Revolutionise Robotics
Lancelot Da Costa, Pablo Lanillos, Noor Sajid 等
Reinforcement Learning through Active Inference
Alexander Tschantz, Beren Millidge, A. Seth 等
“Active Inference. The Free Energy Principle in Mind, Brain, and Behavior”
Lg Lundh
Exploring and Learning Structure: Active Inference Approach in Navigational Agents
Daria de Tinguy, Tim Verbelen, B. Dhoedt
Differential Evolution: A Survey of the State-of-the-Art
Swagatam Das, P. Suganthan
A survey on coverage path planning for robotics
Enric Galceran, M. Carreras
Active inference on discrete state-spaces: A synthesis
Lancelot Da Costa, Thomas Parr, Noor Sajid 等
Curvature-Aware Expected Free Energy as an Acquisition Function for Bayesian Optimization
Ajith Anil Meera, Wouter M. Kouw
Active Inference in Robotics and Artificial Agents: Survey and Challenges
Pablo Lanillos, Cristian Meo, Corrado Pezzato 等
Information-theoretic exploration with Bayesian optimization
Shi Bai, Jinkun Wang, Fanfei Chen 等
Taking the Human Out of the Loop: A Review of Bayesian Optimization
Bobak Shahriari, Kevin Swersky, Ziyun Wang 等
Active Inference Integrated with Imitation Learning for Autonomous Driving
Sheida Nozari, Ali Krayani, Pablo Marín-Plaza 等
Deep active inference agents using Monte-Carlo methods
Z. Fountas, Noor Sajid, P. Mediano 等
Adaptive continuous‐space informative path planning for online environmental monitoring
Gregory Hitz, Enric Galceran, Marie-Eve Garneau 等
Adaptive Robotic Information Gathering via non-stationary Gaussian processes
Weizhe (Wesley) Chen, R. Khardon, Lantao Liu