Erinnerung und Planung steigern Navigationseffizienz in wechselnden Umgebungen

In einer neuen Studie untersuchen Forscher, wie verschiedene Arten von Gedächtnis und deren Einsatz die räumliche Navigation in sich ständig verändernden und unsicheren Umgebungen verbessern können. Das Experiment basiert auf einer einfachen Foraging-Aufgabe, bei der ein Agent täglich von seinem Zuhause durch Hindernisse zum Futter navigieren muss.

Die Welt ist nicht stationär: sowohl die Position der Hindernisse als auch die des Futters ändern sich von Tag zu Tag. Zusätzlich ist die Lokalisierung des Agenten begrenzt und unsicher. Daher muss jede Modellierung – sei es ein Kartenbau oder eine Planungsstrategie – robust gegenüber diesen Herausforderungen sein und schnell lernen, um nützlich zu bleiben.

Die Forscher testeten eine Bandbreite von Ansätzen, von einfachen bis zu hochentwickelten, die unterschiedliche Gedächtnis- und Lernmechanismen nutzen. Sie fanden heraus, dass ein hybrides System, das mehrere Strategien kombiniert, besonders bei Aufgaben wie Erkundung und Suche nach unbekanntem Futter sowie bei der Planung effizienter Routen zu erinnerbaren Zielorten erforderlich ist.

Ein Agent, der nicht-stationäre Wahrscheinlichkeitslernverfahren einsetzt, um seine episodischen Erinnerungen kontinuierlich zu aktualisieren, und diese Erinnerungen nutzt, um auf dem Weg Karten zu erstellen und zu planen – selbst wenn die Karten unvollständig und verrauscht sind – kann deutlich effizienter arbeiten als minimalistische Modelle. Diese Vorteile werden besonders deutlich, wenn die Distanz zum Ziel steigt, solange die Unsicherheit durch Lokalisierung und Veränderungen nicht zu groß ist.