Towards a Predictive Bio-Inspired Navigation Model
Vers un Modèle de Navigation Bio-inspiré
Résumé
This paper presents a novel bio-inspired predictive model of visual navigation inspired by mammalian navigation. This model takes inspiration from specific types of neurons observed in the brain, namely place cells, grid cells and head direction cells. In the proposed model, place cells are structures that store and connect local representations of the explored environment, grid and head direction cells make predictions based on these representations to define the position of the agent in a place cell’s reference frame. This specific use of navigation cells has three advantages: First, the environment representations are stored by place cells and require only a few spatialized descriptors or elements, making this model suitable for the integration of large-scale environments (indoor and outdoor). Second, the grid cell modules act as an efficient visual and absolute odometry system. Finally, the model provides sequential spatial tracking that can integrate and track an agent in redundant environments or environments with very few or no distinctive cues, while being very robust to environmental changes. This paper focuses on the architecture formalization and the main elements and properties of this model. The model has been successfully validated on basic functions: mapping, guidance, homing, and finding shortcuts. The precision of the estimated position of the agent and the robustness to environmental changes during navigation were shown to be satisfactory. The proposed predictive model is intended to be used on autonomous platforms, but also to assist visually impaired people in their mobility.
Ce papier présente un nouveau modèle prédictif de navigation visuelle bio-inspiré. Ce modèle s'inspire du fonctionnement de certains types de neurones observés dans le cerveau des mammifères, notamment les cellules de lieu, de grille, et d'orientation de la tête. Dans le modèle proposé, les cellules de lieu sont des structures qui connectent et gardent en mémoire les représentations locales de l'environnement exploré. Les cellules de grille et d'orientation de la tête font des prédictions basées sur ces représentations pour définir la position de l'agent dans un cadre de référence de la cellule de lieu. Cette utilisation spécifique des cellules de navigation a trois avantages: Premièrement, les représentations de l'environnement sont gardées en mémoire par les cellules de lieu et requièrent seulement les éléments descripteurs spatialisés, rendant ce modèle adéquat pour une intégration de grande échelle (navigation à l'intérieur et à l'extérieur). Deuxièmement, les modules de cellules de grille agissent comme un système odométrique visuel et absolu efficace. Dernièrement, le modèle produit un suivi spatial et séquentiel qui peut intégrer et suivre un agent dans des environnements redondants ou avec très peu de repères. Il est très robuste aux changements dans l'environnement. Ce papier présente une formalisation de l'architecture, les éléments et les propriétés de ce modèle. Celui-ci a été validé sur des fonctions de base comme le guidage, la recherche des raccourcis, cartographie et retour au point de départ. La précision de la position estimée de l'agent et la robustesse aux changements de l'environnement pendant la navigation sont satisfaisantes. Le modèle prédictif proposé sera utilisé sur une plateforme autonome, et aussi comme assistance à la mobilité des personnes présentant des incapacités visuelles.
