Active Inference 및 도시 계획 | Active Inference Institute

이 페이지에서

섹션

도시 계획은 깊은 불확실성, 다스러운 동적 요소 및 다양한 이해 관계자에 직면하면서 클래식 균형 또는 정적인 최적화 접근법이 더 적절하지 않아진 환경에서日益増强地面临。主动推理，基于自由能原理，为不确定性下的感知、行动和学习提供了一个统一框架，并且该方法已被应用于交通信号控制、多agent能源优化、城市水资源管理以及地理空间土地使用建模等领域。本页面综合了这一文献的状态，使用的应用模式，所产生的确切项目和工具，以及该领域仍需解决的开放性问题。

domain가 맞는 이유 무엇인가요

도시계획은 방대한, 혼잡하고 부족한 감지(교통 통계, 에너지 및 물 흐름, 지형 패턴, 사회적 지표 등)가 직접적으로 활동적인 인ference의 관찰과 일치하며, 이는 주체들이 latent 상태를 추론하기 위해 사용합니다. 예를 들어 수요 패턴, 기반 시설 상태, 사회적 필요성. 또한 정책 선택 및 제어 — 도로 분배, 기반 시설 투자, 운영 규칙, 지정 관리 구조 등이 활동적인 인ference가 에피스틱(불확실성을 줄이는)과 플래그메트릭(결과를 실현하는) 측면에서 최소한의 예상 자유 에너지로 선택되는 행동으로 간주됩니다. 도시는 또한 불정형적 (인구 변화, 새로운 기술, 정책 변경), 다스케이블/다중 주체적인 (교차로부터 지역까지 전체 도시 전략)이며, 이는 설계가 이러한 요소를 처리하도록 설계된 지배력 있는 생성 모델을 사용합니다.

문헌 상태

기초 이론은 주의, 불확실성, 자유 에너지(인식 역학 및 변분 추론)에 대한 Friston의 작업과 능동 추론으로서의 계획/탐색, 그리고 집단적 의미 부여가 그룹 수준 추론으로 기능하는 방식에 대한 능동 추론으로서의 내러티브 설명(Frontiers in Psychology)에서 비롯됩니다. 응용된 동료 검토 작업은 두 가지 영역에 존재합니다. Karpouzoglou와 동료들(Ecology and Society)이 적응형 거버넌스에서 그룹 기반 능동 추론을 지원하는 국가 강화 지식 인프라를 분석하는 도시 수자원 거버넌스 영역과 BEACON(Frontiers in the Built Environment)이 암묵적인 건축 설계 지식을 나타내기 위한 Active Inference 시뮬레이션 온톨로지를 포함하는 건축 환경 영역입니다. SUMO 기반 능동 추론 컨트롤러와 시끄럽고 비정상적인 IoT 환경에서의 적응형 신호 제어에 대한 arXiv 사전 인쇄본인 교통 제어 작업과 대규모 POMDP에서 Millidge의 능동 추론 트리 검색은 도시 인프라 및 지속 가능한 이동성에 적용된 인접한 변분 베이즈 강화 학습과 함께 시뮬레이션/사전 인쇄 단계에 남아 있습니다.

키 프로젝트와 도구

보고서는 다양한 성숙도 단계에 있는 5가지 구체적인 구현을 명시합니다: 규칙 기반 기준선과 비교하여 벤치마킹된 SUMO(도시 이동성 시뮬레이션) 능동 추론 신호등 컨트롤러(시뮬레이션 프로토타입); 이를 노이즈가 많고 비정상적인 IoT 센서 환경으로 확장한 arXiv 사전 인쇄본(사전 인쇄본); 튜링 그랜드 전시회에서 선보인 스마트 빌딩의 도시 에너지 최적화를 위한 앨런 튜링 연구소의 다중 에이전트 능동 추론 시스템인 EcoNet(배포된 시연자); BEACON의 Active Inference 구축 환경 암묵적 지식 시뮬레이션 온톨로지(피어 리뷰된 온톨로지 및 도구); 그리고 지리 공간 이미지에서 토지 이용 분류를 수행하는 능동 추론 에이전트를 구축하기 위한 가이드가 포함된 Active Inference Institute 오픈 소스 툴킷인 GEO-INFER(툴킷/구현).

오픈 문제

보고서는 확장성 문제를 가장 심각한 도전으로 지목한다: 실제 도시의 상태공간과 복잡한 동적은 아직 테스트된 시뮬레이션 및 demonstrators보다 훨씬 크고 복잡하다. 따라서 더 유연하게 계층적인 추론이 필요하며, 결국 다양한 규모의 시imulation과 운영 프로파일을 포함하는 장기 성능 데이터를 갖춘 대규모 시험 배포가 요구된다. 또한 인간 행동과 이야기를 생성 모델에 통합하는 해결책, 설명적 사용의 활동적 인ference(물리 공학에서의 물리 관리_paper)와 윤리적 사용의 차이를 구분하는 방법, 그리고 계획 관련 생성 모델에 인식된 우선순위와 목표로부터 유래되는 이슈들에 대한 공유 기준과 평가 기준을 도출하는 작업도 지목된다.

참조 뱅크로스

Karl J. Friston (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience. DOI: 10.1038/nrn2787. Maxwell J. D. Ramstead, Karl J. Friston, Axel Constant, Lancelot Da Costa, Casper Hesp, Beren Millidge, Alexander Tschantz (2023). On Bayesian Mechanics: A Physics of and by Beliefs. arXiv. Giovanni Pezzulo, Francesco Rigoli, Karl J. Friston (2017). Active Inference, homeostatic regulation and adaptive behavioural control. Progress in Neurobiology. DOI: 10.1016/j.pneurobio.2017.08.001. Pablo Lanillos, Cristian Meo, Corrado Pezzato, et al. (2021). Active Inference in Robotics and Artificial Agents: Survey and Challenges. arXiv. DOI: 10.48550/arXiv.2112.01871.

최선의 다음 행동