靠碰撞學會避障：零預訓練的昆蟲腦導航模型
在點目標導航（point-goal navigation）任務上，目前的頂尖方法多半使用深度強化學習，對策略灌進數十億幀模擬經驗以逼近完美表現。然而，Lu 與 Webb 提出的昆蟲腦導航模型 (Lu and Webb 2026) 卻走相反路線，藉由靠碰撞學習的機制來執行任務。這個模型約有六萬四千個可學習參數，沒有做預訓練，而是靠碰撞在執行任務時即時學會閃避障礙，而其表現能逼近數個大型模型。這套系統借用了昆蟲腦的兩個結構，對應螞蟻的導航行為：離巢覓食、找到食物後走近似直線返巢，沿途閃避障礙，並隨著重複次數而改善路線。
為了理解這個機器人知道什麼，首先要釐清它的運作環境。在一個 3D 室內場景中，機器人只在平面上進行狀態為位置與朝向 ($x,y,\theta$) 的推理。它的輸入僅有四項，且在預設下均無雜訊：精確的世界座標位姿（GPS 加上羅盤）、同座標系下的目標座標（因此朝向目標的方位隨時可得）、一張無深度的 33x33 RGB 影像（僅用於辨識畫面），以及碰撞發生在左側或右側的訊號。它不依賴任何地圖，只保存推算的位姿與一組將畫面對應到避讓方向的突觸權重。
這套系統由兩個腦區構成閉迴路，並由一條角度方程來控制，對應了昆蟲腦中跨物種保守的解剖構造。中央複合體（Central compleX, CX）負責方向計算，將世界座標下的目標方位 $\theta$ 減去當前朝向 $\sigma$，得到自我中心的轉向量，且此模組不負責學習。蘑菇體（Mushroom Body, MB）則負責由當前畫面產生轉向偏置 \phi，這是系統中唯一會學習的部分。兩者相加構成了控制律：
$$\mathrm{\Delta\sigma}=\theta-\sigma+\phi$$
 |
| 圖一（A）：模型在虛擬機器人上的閉迴路學習與控制。本模型主要由蘑菇體（MB）與中央複合體（CX）兩個模組構成，使用三類經預處理的資料作為輸入——里程計（I）、碰撞（II）與視覺（III）——以決定機器人的控制指令（V）。 |
當蘑菇體尚未將畫面與障礙物關聯起來，或畫面中無障礙時，$\phi$ 為零，機器人便會直接朝目標前進，直到發生碰撞為止。
在碰撞發生後，蘑菇體與多巴胺學習機制便會啟動。畫面被送入投射神經元(Projection Neuron, PN)，經一組固定、隨機、稀疏的連結投射到約三萬兩千顆凱尼恩細胞（Kenyon Cell, KC, 僅保留被驅動最強的數百顆活躍細胞），最後由左右兩顆輸出神經元讀出，且系統中只有這組輸出連結具備可塑性。這種隨機固定投射使相似畫面落在大量重疊的細胞上，已被關聯學習過要迴避的牆壁會與外觀相近的牆共用許多細胞，進而產生泛化。其學習規則為：
$$\mathrm{\Delta W}=-\alpha\cdot d\cdot y^\top\odot W$$
其中 $\alpha=1$。當多巴胺訊號 $d$ 觸發時，會將當下活躍細胞對應的權重壓低。這種只有突觸前活動與神經調節因子的非典型 Hebbian 學習，加上單向、朝零的乘法更新，使其具備了少樣本學習 (few-shot learning) 的能力。多巴胺的來源即是碰撞：左側撞上時，左側多巴胺神經元發放並壓低碰撞前畫面對應的左側權重，使該畫面之後在左側讀數較低，進而將偏置 $\phi$ 推向右側。這讓蘑菇體在功能上形同一個新奇檢測器(novelty detector)，類似於計算領域中的布隆濾波器（Bloom filter）。
 |
| 圖一（B）：蘑菇體（MB）的神經結構。投射神經元（PN）的活動編碼經預處理的視覺資訊（III），而蘑菇體輸出神經元（MBON）的活動則成為蘑菇體對中央複合體（CX）的調節訊號（IV）。PN–KC 突觸為隨機固定、二元且稀疏；只有 KC–MBON 突觸具可塑性，且學習由多巴胺神經元（DAN）所調控，後者編碼與碰撞相關的訊號（II）。唯有當任務表現提升時，近期記憶才會被固化。 圖一（C）：中央複合體（CX）執行的角度計算。先設定一個目標方向（朝向目標或為閃避障礙），再由蘑菇體訊號加以調節（IV）；接著將調節後的目標與當前朝向（I）比較，以計算所需的轉向量。 |
不過，若每次碰撞都歸零權重，模型會逐漸過度避讓而卡死，因此系統在設計上必須做到只記得有用的經驗。作者為此加入了記憶階層：一次嘗試內的權重變化會先被視為短期記憶，嘗試結束後轉為中期記憶，而中期記憶僅在該次表現未變差時，才會固化為長期記憶，以避免模型因過度謹慎而導致整體表現下降。
這套獨特的學習機制換來了極高的規模與成本優勢。相較於動輒數百萬參數、需數十億幀預訓練的模型，這個零預訓練的模型在較難的模擬器中，於首次嘗試且無場景先驗的情況下，成功率約達 0.84。在同一房間連跑二十次的軌跡上，也能明顯看見學習帶來的效果：第一趟碰撞脫身後再抵達目標，後續軌跡會因為障礙畫面已連結到避障行為，逐漸收斂為平滑的繞行曲線。若移除視覺，盲視對照組則每趟都需重新碰撞同一面牆，不再有任何改善。
 |
| 圖二：以成功率（SR，空心標記）與路徑長度加權成功率（SPL，實心標記）衡量的模型表現，對應可供訓練的模擬總幀數。本昆蟲啟發模型與其消融版本（A1：僅里程計；A2：里程計＋碰撞）的結果，取自 Habitat 模擬器於 Gibson 4+ 場景中的 100 個獨立測試回合。 |
 |
| 圖四：一個施加強烈運動擾動的示例實驗，偏置 bω = 0.5、雜訊 nω = 0.05。在連續 20 趟嘗試中，機器人自 (−6, 2) 出發（圓圈大小約等於機器人的佔地範圍），目標為在 500 幀內抵達 (−1, 0)（三角形）。所有障礙物（黑色）皆為靜態。虛線方框所圈起的區域為大多數碰撞發生之處。 |
儘管成果豐碩，這項研究仍有幾個值得商榷的不足之處。首先，模型使用的里程計是完美的，真正困難的姿態累積漂移問題被直接略過了。其次，它在測試時接收碰撞訊號並即時學習，與預訓練後冷啟動評估的基線模型相比，比較條件並不完全對等。第三，所謂的獎賞並非真正的抵銷性運算，而是對另一通道做第二次獨立的壓低；且所有結果均在一致光照的確定性物理模擬中進行，尚未驗證轉換至真實世界 (sim-to-real) 可能產生的落差。
當然，這些並不否定其成果，而是界定了它為何值得注意的範圍。這個小型、具生物學依據、零預訓練且機制透明的控制器，證明了僅靠 CX 提供 $\theta-\sigma$、MB 提供 $\phi$，配合多巴胺規則塑形與有用的記憶篩選，就能達到與高成本模型相近的水準。此外，其輸出的朝向變化 $\mathrm{\Delta\sigma}$ 與機器人底盤型態無關，輪型、四足或無人機皆可執行，極具系統移植的潛力。這篇論文也留下了一個開放性的問題：在什麼條件下，廉價的畫面熟悉度會勝過昂貴的世界度量估計，以及這究竟是昆蟲式導航本身的優勢，還是這套基準測試所提供的便利。
聲明：此文章使用 AI 進行概念釐清與初稿，並由人工審核與修正。
作者：葉宸甫
參考文章：Lu, Yihe, and Barbara Webb. (2026). “An Efficient Insect-Inspired Approach for Visual Point-Goal Navigation”. arXiv.
留言
張貼留言