基于预测编码与主动推断的社会认知中代理感研究：一项多模态模仿交互的仿真研究
机器人学
2020-10-05 v2
摘要
当代理以不同意图进行社会交互时，冲突难以避免。尽管代理如何自主解决此类问题尚未明确，代理性的动态特征或可揭示潜在机制。本研究聚焦于代理感（SoA）——代理性中指代代理行动意图与结果之间一致性的特定方面。采用预测编码与主动推断作为感知与动作生成的理论框架，我们假设：对代理模型证据下界中复杂度的调节应影响代理的SoA强度，并对社会交互产生关键影响。我们构建了一个基于变分贝叶斯循环神经网络、通过视觉-本体感觉实现机器人与人模仿交互的计算模型，并利用记录的人体运动数据以伪模仿交互形式对模型进行仿真。该模型的一个关键特征是各模态的复杂度可通过分配给各模块的超参数进行不同调节。我们首先搜索赋予模型适当多模态感觉协调的最优设置，揭示视觉模块复杂度应比本体感觉模块受到更严格调节。使用最优训练模型，我们考察训练后改变复杂度调节紧度如何影响交互过程中SoA强度。结果表明，较松的调节下代理倾向于更以自我为中心地行动而不适应对方；相反，较紧的调节下代理倾向于通过调整自身意图来跟随对方。我们得出结论：复杂度调节的紧度关键地影响SoA强度及代理间交互的动态。
引用
@article{arxiv.2002.01632,
title = {Investigation of the Sense of Agency in Social Cognition, based on frameworks of Predictive Coding and Active Inference: A simulation study on multimodal imitative interaction},
author = {Wataru Ohata and Jun Tani},
journal= {arXiv preprint arXiv:2002.01632},
year = {2020}
}
备注
23 pages, 8 figures