基于后继表示的分层主动推理

主动推理是基于自由能原理的神经启发模型，但在解决现实世界大规模复杂问题时面临扩展性挑战。受大脑多尺度分层表征启发，本文提出一种基于分层主动推理的动作规划模型。该方法结合环境分层模型与后继表示以实现高效规划。研究展示了如何利用低层后继表示学习高层抽象状态，并通过低层规划引导高层抽象动作的学习，从而显著提升规划效率。实验在多种规划与强化学习任务中验证了该方法的有效性。