认知机器人中的预测处理：一篇综述

预测处理已成为认知科学中一个有影响力的框架。该框架颠覆了传统的感知观点，主张信息处理的主要流向以自顶向下的层级方式实现。此外，它旨在将感知、认知与行动统一为单一的推断过程。然而，在相关文献中，预测处理框架及其相关方案（如预测编码、主动推断、感知推断、自由能原理）往往被互换使用。在认知机器人领域，对于已实现的是哪些方案、以及在何种假设下实现，并无明确区分。本文给出了工作定义，主要目的是分析认知机器人研究中基于预测处理框架的现状以及一些相关的非机器人模型。分析表明：首先，认知机器人实现研究与非机器人模型均需拓展，以探究多种外感受模态如何整合进预测误差最小化方案；其次，此处发现的一个相关区别是，认知机器人实现倾向于强调生成模型的学习，而非机器人模型中几乎缺失这一点；第三，尽管对主动推断十分重要，少数认知机器人实现探讨了控制相关问题以及控制是否应源于以本体感受预测替代逆模型；最后，对精度加权与预测误差动态追踪的关注有限。这些机制应有助于在预测处理框架下的认知机器人研究中探索更复杂的行为与任务。