Resumen: La inferencia activa es un enfoque formal para estudiar la cognición basada en la noción de que los agentes adaptativos pueden verse como participantes en un proceso de inferencia bayesiana aproximada, a través de la minimización de las energías libres variacionales y esperadas. Minimizar el primero proporciona una cuenta de los procesos perceptivos y el aprendizaje como acumulación de evidencia, mientras que minimizar el segundo describe cómo los agentes seleccionan sus acciones con el tiempo. De esta manera, los agentes adaptativos pueden maximizar la probabilidad de observaciones o estados preferidos, dado un modelo generativo del entorno. Sin embargo, en la literatura, se han propuesto diferentes estrategias para describir cómo los agentes pueden planificar sus acciones futuras. Si bien todos comparten la noción de que algún tipo de energía libre esperada ofrece una forma apropiada de obtener políticas, secuencias de acciones, en términos de su conveniencia, hay diferentes formas de considerar la contribución de la experiencia motora pasada al comportamiento futuro del agente. En algunos enfoques, se supone que los agentes conocen sus propias acciones y usan dicho conocimiento para planificar mejor para el futuro. En otros enfoques, los agentes desconocen sus acciones, y deben inferir su comportamiento motor de las observaciones recientes para planificar el futuro. Esta diferencia refleja un punto de partida estándar en dos marcos principales en el control del motor basado en la presencia, o no, de una señal de copia de eferencia que representa el conocimiento sobre las propias acciones de un agente. En este trabajo, comparamos las actuaciones de los agentes conscientes de la acción y la acción de acción en dos tareas de navegación, que muestran cómo los agentes de acción inaugurada pueden lograr actuaciones comparables a las de acción, mientras están en una desventaja severa.
Publicado Originalme en export.arxiv.org El 18 de agosto de 2025.
Ver Fuente Original
