用于决策的分布式鲁棒自由能原理
人工智能
2025-11-25 v3 系统与控制
系统与控制
最优化与控制
摘要
尽管具有突破性的性能，但当训练条件与环境条件不一致时，自主智能体可能会出现异常行为，微小的失配就可能导致不良行为甚至灾难性故障。对这种训练与环境模糊性的鲁棒性是智能体的核心要求，而实现这一要求是其走向现实部署的长期挑战。在此，我们提出一种分布式鲁棒自由能模型（DR-FREE），通过设计注入这一核心特性。结合自由能原理的鲁棒扩展与一个解析引擎，DR-FREE 将鲁棒性融入智能体的决策机制中。在基准实验中，即使最先进的模型失败，DR-FREE 也能使智能体完成任务。这一里程碑可能会启发多智能体环境中的部署，并在或许更深的层面上，启发对自然智能体——几乎或完全无需训练——如何在变幻莫测的环境中生存的解释探索。
引用
@article{arxiv.2503.13223,
title = {Distributionally Robust Free Energy Principle for Decision-Making},
author = {Allahkaram Shafiei and Hozefa Jesawada and Karl Friston and Giovanni Russo},
journal= {arXiv preprint arXiv:2503.13223},
year = {2025}
}
备注
Contains main text and supplementary information. Supplementary movie is at the paper repository