主动感知主义

来自 AI 研究立场图谱百科

主动感知主义:看是智能体主动在做的事——选择往哪看、怎么动——而不是从图片到标签的被动映射。

主张

主动感知主义不接受“视觉就是对一张固定照片施加一个函数”。真实的感知者会移动眼睛、头、手和身体去获取需要的视角:绕过遮挡偷看一眼,把东西翻过来,放大有歧义的地方,忽略其余部分。所以感知是一个控制问题,注视点、视角和传感方式都是为了降低当前任务的不确定性而选择的动作。

它位于 World 一侧较远处,纵向略高于中线。它坚定地关心物理感知,但不绑定一个巨型模型:学出来的注视策略、next-best-view 规划器,或者大系统里的一个注意力模块都算。颜色是超级革命,不是因为想法新(它已经几十年了),而是因为主流视觉靠静态互联网图片训练,至今基本无视它。这一派在等机器人和视频让这个老想法变得绕不过去。

论据

  • 主动选择视角或 glimpse 可以降低识别所需的算力和数据,因为只处理有信息量的区域。
  • 遮挡、歧义和细节往往一张图解决不了,但相机或手稍微动一下就迎刃而解。
  • 静态互联网数据集自带摄影师偏差;自己选视角的智能体学到的分布更接近部署场景。

批评

  • 大规模训练的被动模型已经能处理很多原本据称需要主动感知的情况,实际收益在缩水。
  • 学习注视或视角策略要引入强化学习问题,样本效率低、训练不稳定的毛病一并带来。
  • 主动感知的 benchmark 稀少且难以标准化,各家结论很难对比。

代表作

关系

怎样测出它

在完整版或专业版里落到这一格:x ≈ +0.86,y ≈ +0.38,范式 ≈ +0.80。

这是初稿。欢迎通过 pull request 修正或补充更好的论据。 在 GitHub 上编辑这个词条 编辑它的数据