Esta página fue traducida automáticamente desde el inglés. Ver el original en inglés.
Desarrolladores de Python, investigadores y ingenieros que implementan modelos de estado continuo Active Inference.
Una biblioteca en Python de estado continuo probada y documentada Active Inference.
Liderar: Daniel Corva
cpomdp es una biblioteca de código abierto de Python para estados continuos Active Inference. Proporciona el paso de mensajes del grafo de factores, filtrado de Kalman y de referencia, ruido de observación y proceso dependiente del estado, tolerancias certificables y líneas base de control clásicas coincidentes.
cpomdp aporta un rigor continuo Active Inference a Python. Los agentes mantienen creencias gaussianas sobre estados latentes continuos, actualizan mediante el paso de mensajes en grafos de factores de estilo Forney y seleccionan acciones minimizando la energía libre esperada sobre conjuntos de acciones declaradas con tolerancias de garantía certificadas.
Los contribuyentes interesados en el análisis numérico, los núcleos de referencia JAX/NumPy, el filtrado de Kalman y el modelado generativo continuo son bienvenidos a participar a través de Discord y GitHub.
La biblioteca está desarrollada de forma abierta: código fuente en GitHub, documentación en cpomdp.inferogenesis.com, y las versiones se publican en PyPI como cpomdp. El primer artículo asociado, "State-Dependent Observation Noise Reintroduces Epistemic Value in Linear-Gaussian Active Inference" (arXiv:2607.20306, 2026), describe el resultado de cómo la biblioteca maneja el ruido dependiente del estado.
Recursos relacionados
Audience: Newcomer
Primary public community channel for conversation, coordination, and newcomer orientation.
Audience: Researcher
Public ecosystem shortlink for Institute context, projects, activities, and conceptual maps.
Audience: Developer
Source repository for the cpomdp continuous-state Active Inference library.
Audience: Developer
Documentation for the cpomdp library: API reference, tutorials, and worked examples.
Audience: Developer
Released cpomdp packages on the Python Package Index, installable with pip.
Audience: Researcher
Preprint showing that state-dependent observation noise reintroduces epistemic value in linear-Gaussian Active Inference; the result cpomdp implements.