机构名称：
¥ 2.0
灵活、目标导向的行为是人类生活的一个基本方面。基于自由能最小化原理，主动推理理论从计算神经科学的角度形式化了这种行为的产生。基于该理论，我们引入了一种输出概率、时间预测、模块化的人工神经网络架构，该架构处理感觉运动信息，推断其世界中与行为相关的方面，并调用高度灵活、目标导向的行为。我们表明，我们的架构经过端到端训练以最小化自由能的近似值，开发出可以解释为可供性图的潜在状态。也就是说，新出现的潜在状态根据本地环境发出信号，表明哪些动作会导致哪些效果。结合主动推理，我们表明可以调用灵活的、目标导向的行为，并结合新出现的可供性图。因此，我们的模拟代理可以灵活地穿越连续空间，避免与障碍物发生碰撞，并首选能够以高确定性到达目标的路径。此外，我们还表明，学习后的代理非常适合跨环境进行零样本泛化：在少数固定环境中训练代理后，这些环境中的障碍物和其他地形会影响其行为，它在程序生成的环境中的表现同样出色，这些环境包含不同数量的障碍物和不同位置的各种大小的地形。
模拟代理中的可供性和主动运动控制推理
主要关键词
相关文件推荐
