论文页面 - 面向自主智能体的内在目标：分层探索捕获果蝇的未来意志性行动

来源：https://huggingface.co/papers/2610.34638

摘要

采用基于能力的训练目标的分层内在动机智能体，能够复制果蝇的探索行为以及对未来行动的神经表征，从而支持对自主决策机制的逆向工程。

动物具有一种非凡的自主能力——由内在动机（https://huggingface.co/papers?q=intrinsic%20motivation）驱动——无需外部感官线索或外在目标，然而这种能力背后的计算机制在很大程度上仍然是一个谜。我们将果蝇（Drosophila melanogaster）的全脑记录——这些记录揭示了对自发探索决策提前 10 秒以上的神经表征——与神经力学数字孪生体（https://huggingface.co/papers?q=neuromechanical%20digital%20twin）相结合，以检验优化内在目标是否能产生具有真实具身性的智能体，使其在定量上匹配果蝇的行为及其在探索过程中对未来意志性行动的内部表征。我们的分层策略（https://huggingface.co/papers?q=hierarchical%20policy）从一个离散的低级运动基元（https://huggingface.co/papers?q=motor%20primitives）库中进行选择，这与行为学理论中的“行为音节“概念一致。我们在无外部奖励的条件下，使用涵盖好奇心、熵和能力方法的 20 种内在动机（https://huggingface.co/papers?q=intrinsic%20motivation）算法训练智能体。智能体在基于果蝇实验建模的虚拟系留小球装置中进行评估，比较自发运动学统计量和内部表征，并在果蝇中观察到的相同时间尺度上，从运动学和神经活动中解码未来的转向方向。DIAYN（https://huggingface.co/papers?q=DIAYN）是一种分层能力算法，学习最大化行为熵（https://huggingface.co/papers?q=behavioral%20entropy）以及所诱导感官观测可分离性的离散策略，在行为和神经前瞻性编码（https://huggingface.co/papers?q=prospective%20coding）的联合表现上，相对于果蝇取得了最强的效果。它所学习的策略很好地捕捉了果蝇探索策略的个体变异性，表明这种多样性有助于在群体层面上最大化状态空间的覆盖。DIAYN（https://huggingface.co/papers?q=DIAYN）的潜在活动还很好地捕捉了生物果蝇中运动学的半球间编码（https://huggingface.co/papers?q=interhemispheric%20encoding）的加减法则。这些结果确立了分层内在动机智能体作为逆向工程动物自主性的一种强大框架。

查看 arXiv 页面 (https://arxiv.org/abs/2610.34638) 查看 PDF (https://arxiv.org/pdf/2610.34638) 项目页面 (https://neuroagents-lab.github.io/autonomous_drosophila/) GitHub1 (https://github.com/neuroagents-lab/autonomous_drosophila) 添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.34638)

在您的智能体中获取此论文：

hf papers read 2610.34638

还没有最新版 CLI？ curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型：0

暂无模型关联此论文。

在模型 README.md 中引用 arxiv.org/abs/2610.34638 以从本页链接它。

引用此论文的数据集：0

暂无数据集关联此论文。

在数据集 README.md 中引用 arxiv.org/abs/2610.34638 以从本页链接它。

引用此论文的 Spaces：0

暂无 Space 关联此论文。

在 Space README.md 中引用 arxiv.org/abs/2610.34638 以从本页链接它。

包含此论文的合集：0

暂无合集包含此论文。

将此论文添加到合集 (https://huggingface.co/new-collection) 以从本页链接它。