Torresan、Suzuki、Kanai 與 Baltieri 於 2026 年在《Neurocomputing》比較兩種主動推論智能體：一種知道自己已執行哪些動作（action-aware），另一種不直接存取自身動作紀錄，而必須推斷過去與未來的動作軌跡（action-unaware）。在兩項導航任務中，後者雖處於明顯劣勢，仍能達到部分可與前者相比的表現；代價是模型較不容易擴展。這個差異連到行動覺察、傳出副本與運動控制中的內部回饋問題。它提供的是特定導航任務中的模型比較，不應直接推論成所有動作控制系統都不需要行動訊息。
思與行
- 比較主動推論模型時，明確記錄智能體是否能存取過去的動作、是否需要推斷自身行動，以及這些假設對計算成本和行為的影響。
- 可將同一導航任務設計成 action-aware 與 action-unaware 兩種模型，檢查性能、可擴展性與對噪音的敏感度。
參考
- 研究論文：Active inference for action-unaware agents（Torresan、Suzuki、Kanai 與 Baltieri，2026；《Neurocomputing》700，134399，2026-11-01）。
- 作者與機構資料：北海道大學研究者資料庫。
- 延伸：行動覺察假設會改變主動推論模型如何規劃、行動能藉由改變感官輸入來實現預測、主動推論可透過逐步模型比較連結實驗資料。