机构名称：
¥ 1.0
人类非常善于学习他们所处的环境。它们形成了灵活的周围环境空间表征，可以在空间觅食和导航过程中轻松利用这些表征。为了捕捉这些能力，我们提出了一个目标导向行为的深度主动推理模型，以及随之而来的信念更新。主动推理依赖于优化贝叶斯信念以最大化模型证据或边际可能性。贝叶斯信念是可观察结果原因的概率分布。这些原因包括代理的行为，这使得人们能够将规划视为推理。我们使用地理藏宝任务的模拟来阐明信念更新（支持空间觅食）以及相关的行为和神经生理反应。在地理藏宝任务中，目标是使用空间坐标在环境中找到隐藏的物体。在这里，合成代理通过推理和学习（例如，了解给定潜在状态的结果可能性）了解环境以到达目标位置，然后在本地觅食以发现为下一个位置提供线索的隐藏物体。
地理藏宝任务中具有主动推理的合成空间觅食
主要关键词
相关文件推荐
