arXiv cs.AI· Chaitanya Kaul, Markus Klar, Sebastian Stein, Fraser C. Paterson, John H. Williamson, Roderick Murray-Smith·· 11 小时前AI 评分20
JAXbounce：面向连续控制 Active Inference 的 Pong 类基准
JAXbounce: A Continuous-Control Pong-Like Benchmark for Active Inference Beyond Low Dimensional Environments
AI 导读
JAXbounce 是一个连续控制 Pong 类基准，用于在离散、低维环境之外评估 active inference，支持连续状态、随机动力学以及状态向量或像素网格等可组合观测模型，并可在 JAX 中完全微分和并行化。
正文 · AI 翻译
摘要：我们提出 JAXbounce，一个类似乒乓球的连续控制基准，旨在评估超越离散、低维环境的主动推理。JAXbounce 在离散时间中结合了连续状态和随机动力学，并配有灵活且可组合的观测模型，可将环境表示为状态向量或像素网格，并可通过我们提供的丰富噪声模型族进行破坏。它完全可微，并可在 JAX 中并行化。我们在该环境中运行了超过 10,000 次智能体模拟，比较了基线确定性解决方案、采用无迹卡尔曼滤波感知和期望自由能规划的基于状态的主动推理智能体，以及测量模型为预训练神经网络编码器的基于像素的智能体。所有智能体均在三个难度递增的场景和八种不同噪声条件下进行评估。我们的实验刻画了连续状态智能体的性能如何随规划、规划视野、观测模态和噪声过程知识而变化，即使在不确定性增加的情况下也表现出偏好导向行为。我们将 JAXbounce 作为连续控制主动推理研究的可复现基准发布。
| 评论： | 作为第 7 届主动推理国际研讨会（IWAI26）的一部分，发表于 Springer CCIS 系列 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.28203 [cs.LG] |
| （或 arXiv:2610.28203v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.28203 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Chaitanya Kaul [查看电子邮件]
[v1]
2026 年 10 月 20 日星期二 13:43:24 UTC（560 KB）
来源：arXiv cs.AI · arxiv.org