Questa pagina è stata tradotta automaticamente dall'inglese. Visualizza l'originale in inglese.
Sviluppatori Python, ricercatori e ingegneri che implementano modelli a stato continuo Active Inference.
Una libreria continua a stato testata e documentata in Python.
Guida: Daniel Corva
cpomdp è una libreria Python open source per stati continui Active Inference. Fornisce il passaggio dei messaggi del grafo fattoriale, il filtraggio Kalman e di riferimento, il rumore di osservazione e processo dipendenti dallo stato, tolleranze certificabili e baseline di controllo classico abbinate.
cpomdp porta rigorosi stati continui Active Inference a Python. Gli agenti mantengono credenze gaussiane sugli stati latenti continui, aggiornano tramite il passaggio di messaggi sui grafici di fattori di stile Forney e selezionano le azioni minimizzando l'energia libera attesa sugli insiemi di azioni dichiarate con tolleranze certificate di garanzia.
I contribuenti interessati all'analisi numerica, ai kernel di riferimento JAX/NumPy, al filtraggio di Kalman e alla modellazione generativa continua sono invitati a partecipare tramite Discord e GitHub.
La libreria è sviluppata in open source: codice su GitHub, documentazione su cpomdp.inferogenesis.com, e rilasci pubblicati su PyPI come cpomdp. Il primo articolo associato, "State-Dependent Observation Noise Reintroduces Epistemic Value in Linear-Gaussian Active Inference" (arXiv:2607.20306, 2026), illustra il risultato che la gestione del rumore dipendente dallo stato della libreria implementa.
Risorse correlate
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.