基于升维认知与曲率收敛好奇心的机器人“自我”模型构建
Abstract
本文旨在提出并阐述一种能够赋予机器人“我”这一内在参照点的认知架构。该架构的核心在于,通过从原始数据到“适应度”,再到“置信度”的连续升维过程,使机器人能够评估自身状态与决策的可靠性。面对已知世界,系统通过将新体验与已知决策模式对齐以实现高效决策；面对未知世界,当传统收敛无法对齐时,系统将启动基于逆向建模与组合创新的探索机制。此探索过程由一种新颖的“基于置信度曲率收敛的好奇心机制”驱动,该机制量化认知边界的不确定性,并引导探索资源向最能提升模型泛化能力的方向分配。本文详述了该模型的数学框架、核心算法流程,并通过概念性实验展望了其潜力,为构建具备持续自主进化能力的通用人工智能体提供了新的理论路径。
Publication details
- Journal / source
- 计算机与自主智能研究进展
- Publisher
- Frontier Scientific Publishing Pte Ltd
- Volume
- 4
- Issue
- 1
- Pages
- 45–45
- Publication date
- 31 March 2026