論文の概要: What Type of Inference is Active Inference?

• arxiv url: http://arxiv.org/abs/2606.04935v2
• Date: Thu, 11 Jun 2026 14:11:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 13:39:59.405494
• Title: What Type of Inference is Active Inference?
• Title（参考訳）: アクティブ推論とは何か?
• Authors: Wouter W. L. Nuijten, Mykola Lukashchuk, Thijs van de Laar, Bert de Vries,
• Abstract要約: 積極的推論は意思決定を推論とし、期待自由エネルギー(EFE)はゴール指向と情報探索の行動を統一する。 近年の研究では、EFEは、てんかんの前兆を付加した生成モデル上で、変動自由エネルギー(VFE)の最小化として記述できることが示されている。 EFEをベースとした適切な計画には、これらのエピステミック補正と、限界推論をポリシー最適化に変換する計画修正を組み合わせる必要がある。 これは、クロスエントロピー計画と完全なEFEベースの計画にどの修正が必要であるかを明らかにする。
• 参考スコア（独自算出の注目度）: 1.1654568410166082
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Active inference casts decision-making as inference, with the Expected Free Energy (EFE) unifying goal-directed and information-seeking behavior. Recent work showed that EFE minimization can be written as Variational Free Energy (VFE) minimization on a generative model augmented with epistemic priors. We prove that the VFE of the augmented model can be rewritten as the VFE of the predictive model plus explicit entropy-correction terms, making the EFE contribution transparent. We then show that proper EFE-based planning requires combining these epistemic corrections with a planning correction that turns marginal inference into policy optimization, yielding a full variational characterization of EFE-based planning. This clarifies which corrections are needed for cross-entropy planning and for full EFE-based planning. The same entropy-corrected formulation leads to a detailed message-passing scheme for EFE-based planning together with simpler ablations. Experiments on three grid-world environments show that full EFE-based planning outperforms ablations that omit either the planning correction or the epistemic corrections.
• Abstract（参考訳）: 積極的推論は意思決定を推論とし、期待自由エネルギー(EFE)はゴール指向と情報探索の行動を統一する。 近年の研究では, EFE の最小化は, 造血前兆を付加した生成モデル上での変動自由エネルギー (VFE) の最小化として記述できることが示されている。 拡張モデルのVFEは、予測モデルのVFEとして書き直せること、および明示的なエントロピー補正項により、EFEコントリビューションを透過的にすることができることを証明した。 次に、EFEに基づく適切な計画には、これらのエピステミック補正と、限界推論をポリシー最適化に変換する計画修正を組み合わせることが必要であることを示し、EFEベースの計画の完全な変分的特徴を与える。 これは、クロスエントロピー計画と完全なEFEベースの計画にどの修正が必要であるかを明らかにする。 同じエントロピー補正の定式化は、EFEベースの計画のための詳細なメッセージパッシングスキームと、より単純な短縮をもたらす。 3つのグリッドワールド環境での実験では、完全なEFEベースのプランニングは、計画修正またはてんかん修正を省略するアブレーションよりも優れていた。

関連論文リスト

• AEGPO: Adaptive Entropy-Guided Policy Optimization for Diffusion Models [54.56296715999545]
  人間のフィードバックからの強化学習は、拡散とフローモデルの整合性を示す。 GRPOのような政策最適化手法は、非効率で静的なサンプリング戦略に悩まされている。 適応エントロピー誘導政策最適化(Adaptive Entropy-Guided Policy Optimization, AEGPO)を提案する。
  論文  参考訳（メタデータ） (2026-02-06T16:09:50Z)
• The Procrustean Bed of Time Series: The Optimization Bias of Point-wise Loss [53.542743390809356]
  本稿では,最適化バイアス(EOB)の期待に関する第一原理解析を提案する。 時間列が決定論的で構造化されるほど、ポイントワイドの損失関数によるバイアスがより厳しくなる。 本稿では,DFTとDWTの両原理を同時に実現する具体的ソリューションを提案する。
  論文  参考訳（メタデータ） (2025-12-21T06:08:22Z)
• Flow Density Control: Generative Optimization Beyond Entropy-Regularized Fine-Tuning [59.11663802446183]
  フローおよび拡散生成モデルは、事前情報を保持しながらタスク固有の目的を最適化するために適応することができる。 本研究では,フロー密度制御(FDC)を導入し,複雑な問題をより単純な微調整タスクの特定のシーケンスに還元する。 我々は,近年のミラーフローの理解を活用して,現実的な仮定の下で提案されたスキームの収束保証を導出する。
  論文  参考訳（メタデータ） (2025-11-27T17:19:01Z)
• Active Inference is a Subtype of Variational Inference [0.0]
  我々はEFE最小化を変分推論として再キャストし、正式にプランニング・アズ・推論と統合し、ドライブをユニークなエントロピー的貢献として示す理論を構築した。 我々の主な貢献は、この統一目的のための新しいメッセージパス方式であり、分解状態のMDPにおけるスケーラブルなアクティブ推論を可能にし、高次元プランニングの難しさを克服する。
  論文  参考訳（メタデータ） (2025-11-24T10:14:09Z)
• Expected Free Energy-based Planning as Variational Inference [2.5935401957183846]
  EFEに基づくプランニングは、生成モデル上での変動自由エネルギー関数の最小化から自然に発生することを示す。 この結果は、不確実性それ自体で計画を変分推論の形式としてキャストすることで、自由エネルギー原理との理論的整合性を強化する。 我々の定式化は,有界計算資源を考慮に入れた複雑性項を取り入れつつ,目標達成と情報獲得を共同で支援する政策を導出する。
  論文  参考訳（メタデータ） (2025-04-21T07:09:05Z)
• Revisiting Essential and Nonessential Settings of Evidential Deep Learning [70.82728812001807]
  Evidential Deep Learning (EDL) は不確実性推定の新しい手法である。 本報告では,EDLの簡易かつ効果的な拡張型であるRe-EDLを提案する。
  論文  参考訳（メタデータ） (2024-10-01T04:27:07Z)
• Value of Information and Reward Specification in Active Inference and POMDPs [7.120454740315046]
  期待される自由エネルギー(EFE)は、活動的推論の中心的な量である。 EFEは情報値を用いてベイズ最適RLポリシーを近似することを示す。
  論文  参考訳（メタデータ） (2024-08-13T00:32:05Z)
• Latent Plan Transformer for Trajectory Abstraction: Planning as Latent Space Inference [53.419249906014194]
  オフライン強化学習から得られたデータセットを用いた計画のための生成モデルについて検討する。 本稿では,Transformerベースのトラジェクトリジェネレータと最終戻り値との接続に潜時変数を利用する新しいモデルであるLatent Plan Transformerを紹介する。
  論文  参考訳（メタデータ） (2024-02-07T08:18:09Z)
• Counterfactual Plans under Distributional Ambiguity [12.139222986297263]
  本研究では,モデルパラメータの分布を部分的に規定したモデル不確実性の下での対実計画について検討する。 まず,不確実性定量化ツールを提案する。 次に,有効性向上のための対策計画を調整するための補正方法を提案する。
  論文  参考訳（メタデータ） (2022-01-29T03:41:47Z)
• Variational Inference with Holder Bounds [68.8008396694788]
  熱力学的変動目標(TVO)の慎重に分析する。 熱力学曲線の病理幾何学がTVOにどのように悪影響を及ぼすかを明らかにする。 これは、ホルダー境界と呼ばれ、熱力学曲線を平坦化し、正確な辺辺対の1ステップ近似を達成することを約束する新しいVI目標を動機付けている。
  論文  参考訳（メタデータ） (2021-11-04T15:35:47Z)
• Active Inference and Epistemic Value in Graphical Models [3.9457043990895904]
  自由エネルギー原則(FEP)は、生物エージェントが環境の生成モデルに関して変動自由エネルギー(VFE)を最小化するために環境を知覚し、相互作用することを仮定している。 本稿では,制約されたBethe Free Energy(CBFE)の観点からの疫学的行動にアプローチする。 シミュレーションされたT迷路環境を計画し, 相互作用させることによりCBFEの挙動を明らかにする。
  論文  参考訳（メタデータ） (2021-09-01T16:43:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。