机器人自我/他者区分：主动推断与神经网络在镜像学习中的结合

自我/他者区分与自我识别是与世界交互的重要技能，因为它使人类能够区分自身与他人的动作并具备自我意识。然而，只有少数动物（主要是人类等高等哺乳动物）通过了镜像测试——一项用于评估自我识别能力的行为实验。本文将自我识别描述为一个建立在身体感知无意识机制之上的过程。我们提出了一种算法，使机器人能够在镜像中完成非外观自我识别，并通过回答“我是否正在产生这些感觉？”这一问题来区分其简单动作与其他实体。该算法将主动推断（一种关于大脑感知与动作的理论模型）与神经网络学习相结合。机器人学习其动作与身体之间的关系，以及这种关系在视觉场和身体传感器中产生的效应。交互过程中模型与真实观测之间生成的预测误差被用于通过自由能最小化推断身体构型，并积累用于识别其身体的证据。在人形机器人上的实验结果表明，该算法在不同初始条件下（如任意视角的镜像识别、机器人-机器人区分以及人-机器人区分）均具有可靠性。