인간 주행을 모델링하는 능동적 추론 모델 내의 감정

arXiv:2608.07480v1 발표 형식: 새로운 발표 요약: 적극적 추론(active inference)이 행동을 적절히 조절하고 불확실성을 감소시키기 위해 목표 지향 행동과 균형을 이루는 원리적인 프레임워크로 등장했습니다. 생물학적 시스템과 인공 시스템에 걸쳐 성공적으로 적용되었으며, 최근에는 인간의 운전에도 적용되었습니다. 그러나 기존의 적극적 추론 모델은 운전의 행동을 결정하는 중요한 요인인 affective state(affective state, 즉 감정 상태) 문제를 아직 해결하지 못했습니다. non-traffic 영역의 이전 연구에서 circumplex model(circumplex 모델에서 감정을 valence와 arousal의 축에 따라 표현하는 것)에 기반한 적극적 추론 agent(agent)가 explored(탐구)되었습니다. 그러나 이 연구는 단순화된 설정과 이산 상태 공간에만 국한되었습니다. 본 연구에서는 더 복잡한 적극적 추론 모델의 연속 상태 공간에서 valence와 arousal를 확장한 새로운 형식을 제안했습니다. 특히, 현재 상태뿐만 아니라 예측한 미래 결과에 대한 영향을 고려하여 affective estimates(affective estimates, 즉 감정 추정)를 조건화했습니다. 제안된 접근 방식을 두 가지 상호 작용 운전 시나리오에서 평가하고, 해당 시나리오에서 보고된 affective patterns(affective patterns, 즉 감정 패턴)과 일치하는 감정 신호가 생성되는 것을 보여주었습니다.