Reducing Cognitive Overhead in Tool Use via Multi-Small-Agent Reinforcement Learning
Baidu Inc.（百度公司）；Peking University（北京大学）
针对单智能体工具使用中认知负荷干扰与协调不稳定的问题，提出MSARL框架，通过多小智能体强化学习将推理与工具使用解耦，显著提升了推理稳定性与答案准确性，为多智能体AI设计提供了可扩展蓝图。
2026-10-02 cs.AI
Interpretable Reinforcement Learning Inspired by Piaget's Theory of Cognitive Development
Shiraz University（设拉子大学）；Career Science Lab（职业科学实验室）；Northeastern University Qinhuangdao（东北大学秦皇岛分校）
设计具有人类水平认知能力的机器人的努力已经导致了不同类别的学习机器。根据斯金纳的理论，强化学习（RL）在人类的直觉和认知中起着关键作用。大多数最先进的方法，包括深度RL算法，都受到连接主义观点的强烈影响。这样的算法可以从其他学科的心理理论和学习中受益匪浅。本文认为，诸如思维语言假设（LOTH）、脚本理论和皮亚杰的认知发展理论等理论提供了互补的方法，这将丰富强化学习领域。按照这种思路，皮亚杰的图式理论，支持生产力，系统性和推理连贯性的概念，如福多描述的连接主义理论相比，提出了一个通用的计算构建块。所提出的方法中的抽象完全基于系统本身，并且不受任何预定义架构的外部约束。整个过程符合奈瑟的知觉循环模型。三个典型的控制问题进行了实验，然后进行行为分析，证实了所提出的方法的可解释性和竞争力相比，国家的最先进的算法。因此，所提出的框架可以被视为在人工智能系统中实现类人认知的一个步骤。
2021-02-01 cs.AI
Hierarchical principles of embodied reinforcement learning: A review
Universität Hamburg（汉堡大学）；Universität Tübingen（图宾根大学）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
认知心理学和相关学科已经确定了几个关键机制，使智能生物代理人能够学习解决复杂的问题。有紧迫的证据表明，这些物种的认知机制，使解决问题的技能建立在层次心理表征。其中最有前途的计算方法，以提供类似的基于学习的人工智能体和机器人的问题解决能力是分层强化学习。然而，到目前为止，现有的计算方法还不能使人工智能体具有与智能动物（包括人类和非人类灵长类动物，乌鸦或章鱼）相媲美的解决问题的能力。在这里，我们首先调查了认知心理学和相关学科的文献，发现许多重要的心理机制涉及成分抽象，好奇心和前向模型。然后，我们将这些见解与当代分层强化学习方法联系起来，并确定实现这些机制的关键机器智能方法。作为我们的主要结果，我们表明，所有重要的认知机制已独立实施在孤立的计算架构，只是缺乏适当地整合它们的方法。我们希望我们的研究结果能够指导更复杂的认知启发层次方法的开发，以便未来的人工智能体在智能动物的水平上实现解决问题的性能。
2022-08-18 cs.AI
Using Cognitive Models to Train Warm Start Reinforcement Learning Agents for Human-Computer Interactions
Utrecht University（乌得勒支大学）
人机交互应用中的强化学习（RL）代理需要重复的用户交互才能表现良好。为了解决这个“冷启动”问题，我们提出了一种新的方法，使用认知模型来预训练RL代理之前，他们被应用到真正的用户。在简要回顾了相关的认知模型，我们提出了我们的一般方法，其次是我们以前和正在进行的项目的两个案例研究。我们希望这份立场文件能激发RL，HCI和认知科学研究人员之间的对话，以探索该方法的全部潜力。
2021-03-10 cs.AI cs.HC
Q-ARDNS-Multi: A Multi-Agent Quantum Reinforcement Learning Framework with Meta-Cognitive Adaptation for Complex 3D Environments
Universidade de Uberaba（乌贝拉巴大学）
本文提出Q-ARDNS-Multi多智能体量子强化学习框架，融合量子电路、元认知适应和共享记忆机制，在复杂3D环境中实现99%以上成功率并优于MADDPG和SAC。
2025-06-02 cs.AI
Estimating cognitive biases with attention-aware inverse planning
New York University（纽约大学）；Toyota Research Institute（丰田研究机构）
本文提出注意力感知逆向规划问题，结合深度强化学习与计算认知建模，从行为中推断认知与注意力偏差，并在 Waymo 真实驾驶场景中验证了该方法估计认知偏差的可扩展性。
2025-10-29 cs.AI
Are We On The Same Page? Hierarchical Explanation Generation for Planning Tasks in Human-Robot Teaming using Reinforcement Learning
School of Computing, Informatics and Decision Systems Engineering, Arizona State University（亚利桑那州立大学计算、信息与决策系统工程学院）
在人机合作框架中，提供解释被认为是人工智能智能体的必要能力。正确的解释提供了人工智能智能体决策背后的基本原理。然而，为了维持人类队友的认知需求以理解所提供的解释，先前的工作集中于以特定顺序提供解释或将解释生成与计划执行交织。此外，这些方法没有考虑在整个提供的解释中需要共享的细节程度。在这项工作中，我们认为，代理生成的解释，特别是复杂的，应抽象到与人类队友的愿望，以保持收件人的认知负荷的细节水平保持一致。因此，学习层次解释模型是一项具有挑战性的任务。此外，智能体需要遵循一致的高级策略，将学习到的队友偏好转移到新的场景中，而较低级别的详细计划则不同。我们的评估证实了理解解释的过程，特别是复杂和详细的解释，是分层的。反映这一点的人类偏好与创造和使用抽象来吸收隐藏在我们认知过程更深处的知识完全一致。我们发现，分层解释实现了更好的任务性能和行为的可解释性，同时减少认知负荷。这些结果揭示了利用强化学习和跨各个领域的规划来设计可解释的代理。
2021-02-26 cs.AI
Meta-Cognitive Reinforcement Learning with Self-Doubt and Recovery
China Mobile Research Institute（中国移动研究院）；China Mobile GBA (Greater Bay Area) Innovation Institute（中国移动粤港澳大湾区创新研究院）
本文提出一种元认知强化学习框架，使智能体能根据内部可靠性信号评估、调节和恢复学习行为，通过引入由价值预测误差稳定性驱动的元信任变量，提升鲁棒性与学习稳定性。
2026-03-23 cs.AI cs.LG
A Graph-Enhanced Deep-Reinforcement Learning Framework for the Aircraft Landing Problem
Jindal School of Management, The University of Texas at Dallas（德州大学达拉斯分校金德尔管理学院）
针对飞机着陆调度的实时性与可扩展性难题，本文提出融合图神经网络与 actor-critic 的深度强化学习框架，显著降低计算时间并提升跑道吞吐量。
2025-03-18 cs.AI cs.LG cs.SY
Bayesian Reinforcement Learning with Limited Cognitive Load
Stanford University（斯坦福大学）；New York University（纽约大学）
本文综述了融合强化学习、贝叶斯决策与率失真理论的容量受限贝叶斯强化学习框架的最新算法与理论成果，并探讨其在认知与行为科学中的应用。
2023-05-05 cs.AI cs.LG
CARE: Cognitive-reasoning Augmented Reinforcement for Emotional Support Conversation
School of Computer Science and Technology, Soochow University（计算机科学与技术学院，苏州大学）；Qwen DianJin Team, Alibaba Cloud Computing（通义千问团队，阿里云 computing）
CARE通过增强认知推理提升情感支持对话的质量，无需依赖大规模合成数据，实验显示其在逻辑严谨性和支持性方面有显著改进。
2026-01-23 cs.AI cs.CL
Towards Cognitive Routing based on Deep Reinforcement Learning
Beijing University of Posts and Telecommunications（北京邮电大学）
路由是网络基础设施稳定运行的关键功能之一。随着网络业务量的快速增长和业务需求的不断变化，对智能路由算法提出了更高的要求。为此，我们提出了认知路由的定义和基于深度强化学习（DRL）的实现方法。为了方便基于DRL的认知路由的研究，我们引入了一个名为RL4Net的模拟器，用于基于DRL的路由算法的开发和仿真。然后，我们设计并实现了一个基于DDPG的路由算法。在一个典型网络拓扑上的仿真结果表明，基于DDPG的路由算法比OSPF和随机权值路由算法具有更好的性能。初步论证了认知路由在未来网络中的可行性和潜在优势。
2020-03-19 cs.AI cs.LG cs.NI
Towards Cognitive Exploration through Deep Reinforcement Learning for Mobile Robots
City University of Hong Kong（香港城市大学）；Hong Kong University of Science and Technology（香港科技大学）
在未知环境中的探索是移动机器人的核心功能。基于学习的探索方法，包括卷积神经网络，为特征提取提供了优秀的策略，而无需人为设计的逻辑。但是传统的监督学习算法不可避免地要花费大量的精力对数据集进行标注。未包含在训练集中的场景也大多无法识别。我们提出了一种深度强化学习方法，用于在室内环境中仅使用RGB-D传感器的深度信息探索移动机器人。基于Deep Q-Network框架，将原始深度图像作为唯一输入来估计与所有移动命令相对应的Q值。网络权重的训练是端到端的。在任意构造的仿真环境中，我们表明，机器人可以快速适应不熟悉的场景，而无需任何人为的标签。此外，通过分析特征表示的感受野，深度强化学习促使卷积网络估计场景的可遍历性。将测试结果分别与基于深度学习或强化学习的探索策略进行比较。即使只在模拟环境中训练，在真实世界环境中的实验结果表明，机器人控制器的认知能力显着提高监督的方法相比。我们相信这是第一次使用原始传感器信息通过端到端深度强化学习来构建移动机器人的认知探索策略。
2016-10-06 cs.AI cs.RO
Scilab-RL: A software framework for efficient reinforcement learning and cognitive modeling research
Hamburg University of Technology（汉堡工业大学）；Institute for Data Science Foundations（数据科学基础研究所）
针对认知建模与强化学习研究缺乏整合多类功能的模块化工具套件的问题，提出聚焦目标条件强化学习的Scilab-RL软件框架，可降低实验时间成本、提升研究效率。
2024-01-25 cs.AI cs.LG cs.RO
A Fast Anti-Jamming Cognitive Radar Deployment Algorithm Based on Reinforcement Learning
School of Mathematical Sciences University of Chinese Academy of Sciences（数学科学学院 中国科学院大学）；Information Science Academy China Electronics Technology Group Corporation（信息科学院 中国电子科技集团）
本文提出基于强化学习的快速抗干扰认知雷达部署算法FARDA，通过高效神经网络推理实现雷达部署速度提升7000倍，覆盖能力与进化算法相当。
2026-01-05 cs.AI cs.LG
Standardized feature extraction from pairwise conflicts applied to the train rescheduling problem
Óbuda University（欧布达大学）
我们提出了一个训练重新调度算法，它适用于一个标准化的特征选择的基础上成对的冲突，以作为输入的强化学习框架。我们实现了一个分析方法，识别和最佳解决两列火车之间产生的每一个冲突，然后我们设计了相应的观察空间，考虑到这些冲突的最相关的信息。然后，以这种方式获得的数据转化为强化学习框架上下文中的动作。我们使用Flatland Challenge的评估指标来测试我们的初步模型。实证结果表明，建议的特征空间提供了有意义的意见，从中可以学习到一个明智的调度策略。
2022-04-12 cs.AI cs.LG
iScheduler: Reinforcement Learning-Driven Continual Optimization for Large-Scale Resource Investment Problems
iScheduler通过强化学习驱动的连续优化方法，有效解决大规模资源投资问题，显著降低资源成本并提升调度效率。
2026-08-25 cs.AI cs.DC
Endogenous Reprompting: Self-Evolving Cognitive Alignment for Unified Multimodal Models
Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家）；School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家）
内生再提示通过自进化框架提升统一多模态模型的认知对齐能力，有效解决生成过程引导问题。
2026-01-28 cs.AI
Cooperative Multi-Agent Reinforcement Learning Based Distributed Dynamic Spectrum Access in Cognitive Radio Networks
National University of Defense Technology（国防科技大学）；Auckland University of Technology（奥克兰理工大学）；Shenzhen University（深圳大学）；University of British Columbia（不列颠哥伦比亚大学）
随着5G和物联网的发展，大量的无线设备需要共享有限的频谱资源。动态频谱接入（DSA）是一种很有前途的范例，以弥补由历史的命令和控制的频谱分配方法所带来的频谱利用率低下的问题。本文研究了一个典型的多信道认知无线电网络中多用户分布式DSA问题。该问题被表示为一个分散的部分可观测马尔可夫决策过程（Dec-POMDP），提出了一种基于协作多智能体强化学习（MARL）的集中式离线训练和分布式在线执行框架.我们采用深度递归Q网络（DRQN）来解决每个认知用户的状态的部分可观测性。最终目标是学习一种协作策略，使认知无线电网络的总吞吐量最大化，在分布式的方式没有协调认知用户之间的信息交换。最后，我们通过大量的实验验证了该算法在各种设置。仿真结果表明，该算法收敛速度快，性能接近最优。
2021-06-17 cs.AI cs.GT cs.NI
Seeing by haptic glance: reinforcement learning-based 3D object Recognition
CAPACITÉS SAS（CAPACITÉS SAS公司）；University of Nantes（南特大学）
人类能够通过目标对象与他/她的手指之间的有限数量的触觉接触来进行3D识别，而无需看到对象。这种能力在认知神经科学中被定义为“触觉扫视”。现有的大多数三维识别模型都是基于密集的三维数据开发的。尽管如此，在许多现实生活中的用例中，机器人被用来通过触觉探索收集3D数据，只能收集有限数量的3D点。因此，在这项研究中，我们专注于解决如何获得具有认知代表性的3D关键点的目标对象与机器人和对象之间的有限的相互作用的棘手问题。提出了一种新的基于强化学习的框架，其中触觉探索过程（代理迭代地预测机器人探索的下一个位置）与具有主动收集的3D点的客观3D识别同时优化。由于模型仅在3D对象被准确识别时才被奖励，因此它被驱动以找到对象的稀疏但有效的触觉感知3D表示。实验结果表明，我们提出的模型优于最先进的模型。
2021-02-15 cs.AI
Reinforcement Learning with Analogical Similarity to Guide Schema Induction and Attention
University of Colorado, Boulder（科罗拉多大学博尔德分校）
类比推理的研究表明，高阶认知功能，如抽象推理，远迁移和创造力是建立在识别关系系统之间的结构相似性。在这里，我们将类比理论与强化学习（RL）的计算框架相结合。我们提出了一种心理学理论，即类比和RL之间的计算协同作用，其中类比比较为RL学习算法提供了关系相似性的度量，RL提供了可以驱动类比学习的反馈信号。仿真结果支持这种方法的力量。
2017-12-28 cs.AI
Learning Proxemic Behavior Using Reinforcement Learning with Cognitive Agents
Escuela de Ingeniería, Universidad Central de Chile（智利中央大学工程学院）；School of Information Technology, Deakin University（迪肯大学信息技术学院）；Escola Politécnica de Pernambuco, Universidade de Pernambuco（伯南布哥大学伯南布哥理工学院）
近位学（Proxemics）是非语言交流的一个分支，主要研究人和动物的空间行为。这种行为是通信过程的重要组成部分，因为它划定了与另一个存在交互的可接受距离。随着越来越多的人与代理交互的研究，需要新的替代方案，允许最佳的通信，避免代理感到不舒服。几个作品考虑与认知代理人，人机交互技术和机器学习实现的知识行为。然而，环境考虑固定的个人空间和代理以前知道it.In这项工作中，我们的目标是研究如何代理在环境中的行为的基础上，ememic的行为，并提出了一个修改后的gridworld的目标。这种环境考虑了具有向代理人提供不同意信号的不一致行为的发行人。我们的研究结果表明，学习代理可以识别的空间时，发行人给出反馈代理的性能。
2021-08-08 cs.AI cs.HC
TimeHC-RL: Temporal-aware Hierarchical Cognitive Reinforcement Learning for Enhancing LLMs' Social Intelligence
Zhejiang University（浙江大学）；Tongyi Lab, Alibaba Group（阿里云实验室）
针对LLMs社会智能提升不足的问题，提出时间感知分层认知强化学习框架TimeHC-RL，融合System 1与System 2认知模式，使7B模型性能比肩DeepSeek-R1等先进模型。
2025-05-30 cs.AI cs.CL
Toward a Formal Model of Cognitive Synergy
OpenCog Foundation（OpenCog基金会）
“认知协同”是指多个认知过程相互协作控制同一个认知系统，相互帮助克服内部处理过程中遇到的瓶颈。认知协同被认为是现实世界通用智能的一个关键特征，并已被明确用于OpenCog认知架构的设计中。本文运用范畴理论和相关概念对认知协同概念进行了形式化描述。提出了一系列智能代理的形式化模型，这些模型具有越来越多的特殊性和复杂性：简单的强化学习代理;具有抽象记忆和处理模型的“认知”代理;基于超图的代理。（其中通过超图进行“认知”操作）;具有丰富的节点和超链接语言的超图代理（如OpenCog框架提供的）;“PGMC”代理，其丰富的超图被赋予通过概率增长和组合挖掘引导的认知过程;最后是PrimeAGI设计的变体，目前正在OpenCog之上构建。认知协同作用的概念是为PGMC代理人内的认知过程，基于开发一个正式的概念“卡住”，并定义协同作用作为认知过程之间的关系，在这种关系中，他们可以互相帮助，当他们卡住。有人提出，相互协同的认知过程，以一定的方式与函子映射到彼此通过自然变换。认知协同被提出来对应于关于通过某些交换图的不同路径的相对成本的某种不等式。这种认知协同作用的概念，以特定的认知现象的应用程序，并在PrimeAGI设计的具体认知过程中，进行了讨论。
2017-03-13 cs.AI
SocialAI 0.1: Towards a Benchmark to Stimulate Research on Socio-Cognitive Abilities in Deep Reinforcement Learning Agents
Inria（法国国家信息与自动化研究所）；Microsoft Research（微软研究院）
构建能够参与与人类的社会互动的嵌入式自主智能体是人工智能的主要挑战之一。这个问题激发了许多关于具身语言使用的研究方向。目前的方法集中在语言作为一种沟通工具，在非常简单和非多样化的社会情况下：语言的“自然性”被降低到高词汇量和可变性的概念。在本文中，我们认为，要实现人类水平的人工智能，需要更广泛的关键社交技能：1）在复杂多变的社会环境中使用语言; 2）在不断发展的社会世界中，在多模态环境中进行复杂的具体沟通。在这项工作中，我们解释了认知科学的概念如何帮助人工智能绘制通往类人智能的路线图，重点是其社会维度。然后，我们研究了最近SOTA Deep RL方法在即将推出的SocialAI的第一个网格世界环境中进行测试时的局限性，SocialAI是评估Deep RL代理社交技能的基准。视频和代码可在https://sites.google.com/view/socialai01上获得。
2021-04-27 cs.AI cs.LG
Trace-Mediated Peak Bias: Bridging Temporal Credit Assignment and Cognitive Heuristics in Deep Reinforcement Learning
Department of AI, University of Groningen（格罗宁根大学人工智能系）
本文发现深度强化学习中的迹介导峰值偏差（TMPB），揭示了其作为峰值-末端规则的机制基础，并证明自适应优化器通过二阶矩归一化可缓解该偏差。
2026-06-03 cs.AI cs.LG
Individual differences in the cognitive mechanisms of planning strategy discovery
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；University of California, Los Angeles（加州大学洛杉矶分校）
本研究探讨了整合元认知伪奖励、主观努力评估和终止审议等认知机制能否提升MCRL模型在规划策略发现上的人类表现拟合度，发现这些机制促进了策略发现并揭示了个体差异，但未能完全弥合模型与人类表现的差距。
2025-05-29 cs.AI
Design for a Darwinian Brain: Part 2. Cognitive Architecture
Queen Mary University of London（伦敦玛丽女王大学）
在终生学习过程中以开放式方式积累适应性是强化学习、内在动机、人工好奇心和发展机器人技术中的圣杯。我们提出了一个规范的认知架构，能够指定一个无限的行为范围。然后，我们给出了它如何随机探索相邻可能行为的有趣空间的例子。有两个主要的新奇之处;第一个是适当定义自生成游戏的适应性，以便期望发展有趣的游戏。第二种是具有系统性、生产性和组合性的模块化和可进化的行为语言，即它是一个物理符号系统。该架构的一部分已经在一个人形机器人上实现。
2013-03-28 cs.AI
ThinkDeception: A Progressive Reinforcement Learning Framework for Interpretable Multimodal Deception Detection
Xi'an Jiaotong-Liverpool University（西安交通大学利物浦大学）
提出ThinkDeception框架，将多模态大语言模型引入欺骗检测，通过逐步推理和视觉-音频一致性组相对策略优化（VAC-GRPO）实现可解释的认知推理，在主流基准上达到新SOTA。
2026-06-18 cs.AI
From Pixels to Digital Agents: An Empirical Study on the Taxonomy and Technological Trends of Reinforcement Learning Environments
Sun Yat-sen University（中山大学）；Yancheng Institute of Technology（盐城工学院）；Central University Moscow（莫斯科中央大学）；ITMO University（ITMO大学）
本文通过大规模数据分析，研究强化学习环境从物理模拟到通用代理的演变，揭示领域分为语义优先和领域特定泛化两大生态，并提出设计下一代具身语义模拟器的路线图。
2026-04-13 cs.AI
Learning to Deliberate: Meta-policy Collaboration for Agentic LLMs with Multi-agent Reinforcement Learning
本文提出元策略推理框架MPDF，结合SoftRankPO算法，通过学习动态推理策略提升多智能体LLM在复杂推理任务中的性能。
2025-12-08 cs.AI cs.MA
Intelligent problem-solving as integrated hierarchical reinforcement learning
Universität Hamburg（汉堡大学）；University of Tübingen（蒂宾根大学）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
根据认知心理学和相关学科，生物制剂中复杂问题解决行为的发展取决于分层认知机制。分层强化学习是一种很有前途的计算方法，它最终可能会在人工智能体和机器人中产生类似的问题解决行为。然而，迄今为止，许多人类和非人类动物解决问题的能力显然优于人工系统。在这里，我们提出了步骤，整合生物启发的层次机制，使先进的解决问题的技能，人工代理。因此，我们首先回顾了认知心理学的文献，以强调成分抽象和预测处理的重要性。然后，我们将所获得的见解与当代分层强化学习方法。有趣的是，我们的研究结果表明，所有已确定的认知机制已被单独实施在孤立的计算架构，提出了一个问题，为什么没有一个统一的架构，将它们整合起来。作为我们的最后贡献，我们解决这个问题，提供一个综合的角度来看，发展这样一个统一的架构的计算挑战。我们希望我们的研究结果能够指导更复杂的认知启发分层机器学习架构的开发。
2022-08-18 cs.AI cs.LG cs.RO
Human-AI Collaboration in Cloud Security: Cognitive Hierarchy-Driven Deep Reinforcement Learning
Rutgers University Electrical and Computer Engineering（新泽西罗格兰大学电气与计算机工程系）；Rutgers University WINLAB, Electrical and Computer Engineering（新泽西罗格兰大学WINLAB电气与计算机工程系）
针对云安全中高级持续性威胁，提出认知层级驱动的深度Q网络框架，通过建模防御者与攻击者的认知层级交互，在攻击图强化学习中提升SOC自适应防御能力，实验验证其优于标准DQN并符合人类决策心理。
2025-04-20 cs.AI cs.CR cs.HC
Guaranteed satisficing and finite regret: Analysis of a cognitive satisficing value function
Graduate School of Advanced Science and Engineering, Tokyo Denki University（东京电机大学先进科学与工程学院）；School of Science and Engineering, Tokyo Denki University（东京电机大学理工学院）；Dwango Artificial Intelligence Laboratory（Dwango人工智能实验室）
针对强化学习复杂任务难在实际时间内解决的问题，提出风险敏感满意（RS）模型，在贪婪策略下整合风险态度实现满意策略，应用于K臂老虎机问题，证明其能找到达标动作且在特定期望水平下遗憾有限，并通过模拟验证性能。
2019-02-23 cs.AI
SocialAI: Benchmarking Socio-Cognitive Abilities in Deep Reinforcement Learning Agents
Inria（法国国家信息与自动化研究所）；Microsoft Research（微软研究院）
构建能够参与与人类的社会互动的嵌入式自主智能体是人工智能的主要挑战之一。在深度强化学习（DRL）领域，这一目标激发了多项关于具体语言使用的研究。然而，目前的方法集中在语言作为一种沟通工具，在非常简单和非多样化的社会情况下：语言的“自然性”是减少到高词汇量和可变性的概念。在本文中，我们认为，要实现人类水平的人工智能，需要更广泛的关键社交技能：1）在复杂多变的社会环境中使用语言; 2）在不断发展的社会世界中，在多模态环境中进行复杂的具体沟通。我们解释了认知科学的概念如何帮助人工智能绘制通往类人智能的路线图，重点是其社会维度。作为第一步，我们建议将当前的研究扩展到更广泛的核心社交技能。为此，我们提出了SocialAI，这是一个基准，用于评估DRL代理使用多个网格世界环境获取社交技能，这些环境具有其他（脚本）社交代理。然后，我们研究了最近SOTA DRL方法在SocialAI上测试时的局限性，并讨论了实现熟练社交代理的重要后续步骤。视频和代码可在https://sites.google.com/view/socialai上获得。
2021-09-01 cs.AI cs.CL cs.LG
Innate-Values-driven Reinforcement Learning based Cooperative Multi-Agent Cognitive Modeling
Intelligent Social Systems and Swarm Robotics Lab (IS$^3$R)（智能社会系统与群体机器人实验室）；Computer Science and Information Systems Department（计算机科学与信息系统系）；Bradley University（布拉德利大学）
针对多智能体协作中缺乏个体需求驱动内在模型的问题，提出 IVRL 架构，并通过 SMAC 验证其组织群体行为、提升性能的潜力。
2025-06-09 cs.AI cs.LG cs.MA
Reinforcement Learning for Cognitive Delay/Disruption Tolerant Network Node Management in an LEO-based Satellite Constellation
University of Chinese Academy of Sciences（中国科学院大学）；Technology and Engineering Center for Space Utilization, Chinese Academy of Sciences（中国科学院空间应用工程与技术中心）
近年来，随着空间航天器实体的大规模部署和星载能力的提高，容迟/容中断网络（DTN）作为一种在网络动态性过大的情况下比TCP/IP更健壮的通信协议应运而生。DTN节点缓冲区管理仍然是一个活跃的研究领域，因为DTN核心协议的当前实现仍然依赖于这样一个假设，即在不同的网络节点中总是有足够的可用内存来存储转发捆绑包。另外，经典排队论不适用于DTN节点缓冲区的动态管理。为此，提出了一种基于先进的强化学习（RL）策略优势行动者-批评者（A2 C）的低轨卫星星座认知DTN节点集中式自动管理方法。该方法旨在探索训练地球同步轨道智能代理来管理LEO卫星星座场景中的所有DTN节点。A2 C代理的目标是在考虑节点内存利用率的同时，最大限度地提高交付成功率并最小化网络资源消耗成本。智能代理可以动态地调整无线电数据率并基于束优先级执行丢弃操作。为了衡量A2 C技术应用于LEO卫星星座DTN节点管理问题的有效性，本文将训练智能代理策略与其他两种非RL策略（包括随机策略和标准策略）进行了比较。实验表明，A2 C策略平衡了投递成功率和代价，提供了最高的回报和最低的节点内存利用率。
2022-09-27 cs.AI cs.LG cs.NI
Where You Go is Who You Are: Behavioral Theory-Guided LLMs for Inverse Reinforcement Learning
University of Florida（佛罗里达大学）；Johns Hopkins University（约翰霍普金斯大学）；Stony Brook University（石溪大学）
本研究提出SILIC框架，结合大语言模型引导的逆强化学习与认知链推理，依据计划行为理论从轨迹数据推断社会人口统计属性，在家庭出行调查中显著优于现有基线。
2025-05-22 cs.AI cs.LG
Deep reinforcement learning with time-scale invariant memory
本文将计算神经科学的尺度不变记忆模型整合到深度强化学习智能体中，使其在广泛时间尺度上实现稳健学习，展现出优于LSTM等架构的适应性。
2024-12-19 cs.AI cs.LG
RFRL Gym: A Reinforcement Learning Testbed for Cognitive Radio Applications
Virginia Tech National Security Institute（弗吉尼亚理工大学国家安全研究所）；Morehouse College（莫尔豪斯学院）
本文提出RFRL Gym，一个基于OpenAI gym的认知无线电强化学习仿真测试平台，支持动态频谱接入和干扰场景建模与频谱感知实验，以促进无线通信领域RL算法研究。
2023-12-20 cs.AI cs.LG cs.NI
On Rate-Distortion Theory in Capacity-Limited Cognition & Reinforcement Learning
Stanford University（斯坦福大学）；Princeton University（普林斯顿大学）
在整个认知科学文献中，人们普遍认为，在现实世界中运作的决策代理人在有限的信息处理能力下这样做，并且无法获得无限的认知或计算资源。先前的工作已经从这一事实中得到了启发，并利用了在有限速率约束下操作的通信信道等行为或策略的信息理论模型。同时，平行线的工作也利用相同的原则，从率失真理论，通过学习目标的概念，这有利于证明有效的学习算法的贝叶斯遗憾界的容量有限的决策。在本文中，我们的目的是阐明后一种观点，提出了一个简短的调查，这些信息理论模型的能力有限的决策，在生物和人工代理。
2022-10-30 cs.AI cs.LG
Innate-Values-driven Reinforcement Learning based Cognitive Modeling
Intelligent Social Systems and Swarm Robotics Lab (IS$^3$R)（智能社会系统与群体机器人实验室）；Computer Science and Information Systems Department（计算机科学与信息系统系）；Bradley University（布拉德利大学）
针对真实场景中奖励源于个体先天价值系统的问题，本文提出IVRL模型及IV-DQN、IV-A2C，并在VIZDoom中验证其能更合理地组织需求并提升性能。
2025-06-09 cs.AI cs.LG cs.RO
CogReact: A Reinforced Framework to Model Human Cognitive Reaction Modulated by Dynamic Intervention
提出CogReact框架，结合漂移扩散与深度强化学习，模拟动态环境刺激对人类认知过程的影响，定量和定性上均优于基线，为动态情境下认知反应建模提供了数据驱动方法。
2025-05-26 cs.AI cs.HC
Reinforcement Learning of Minimalist Numeral Grammars
Brandenburgische Technische Universität Cottbus – Senftenberg（科特布斯-森夫滕堡勃兰登堡工业大学）
语音控制的用户界面方便了外行人操作设备和家庭功能。最先进的语言技术扫描声学分析的语音信号以寻找相关的关键字，这些关键字随后被插入到语义槽中以解释用户的意图。为了开发适当的认知信息和通信技术，简单的槽填充应取代话语意义转换器（UMT）的基础上的语义分析器和\emph{mental lexicon}，包括句法，语音和语义特征的语言正在考虑。这个词汇必须在与用户交互的过程中由认知主体获得。我们概述了一个强化学习算法的英语数字的句法形态和算术语义的收购，最低限度的语法（MG），最近的计算实现生成语言学的基础上。数字单词由教师以话语意义对（UMP）的形式呈现给智能体，其中意义被编码为来自合适的术语代数的算术术语。由于MG通过推理规则编码普遍的语言能力，从而将先天的语言知识与偶然获得的词汇分开，因此我们的方法将生成语法和强化学习结合起来，从而可能解决仍然悬而未决的Chomsky-Skinner争议。
2019-06-11 cs.AI cs.CL
Cognitive Level-$k$ Meta-Learning for Safe and Pedestrian-Aware Autonomous Driving
New York University（纽约大学）
现代自动驾驶汽车的潜在市场是巨大的，因为它们的发展非常迅速。但与此同时，在过马路的情况下，也发生了自动驾驶造成行人死亡的事故。为保证自动驾驶环境下的交通安全，应对乱穿马路等车-人交互挑战，提出一种基于LK-MRL（Level- $k$）的Meta强化学习算法.它考虑了行人反应的认知层次，使自动驾驶车辆能够适应各种人类行为。%，在学习最佳策略时考虑了行人的反应。LK-MRL作为一种自动驾驶车辆算法，基于Meta强化学习和人类认知层次框架相结合，将层次$k$思想融入MAML中，为异构行人做好准备，提高交叉口安全性。我们评估的算法在两个认知对抗层次的情况下，在城市交通模拟器，并说明其在确保道路安全的作用，通过展示其能力的结构和更高层次的推理。
2023-02-01 cs.AI cs.HC cs.LG
A Multi-Agent Reinforcement Learning Testbed for Cognitive Radio Applications
Virginia Tech National Security Institute（弗吉尼亚理工大学国家安全研究所）；Morehouse College（莫尔豪斯学院）
针对现有RFRL Gym仅支持单智能体训练的局限，本文通过集成Ray RLlib为其添加MARL功能，使其能模拟多智能体协作/竞争的射频场景，成为更强大的无线通信RL算法测试平台。
2024-12-02 cs.AI cs.LG cs.MA
Optimizing Attention and Cognitive Control Costs Using Temporally-Layered Architectures
Manning College of Information and Computer Science, University of Massachusetts（马萨诸塞大学曼宁信息与计算机科学学院）；The Salk Institute for Biological Studies（索尔克生物研究所）；Institute for Neural Computation, University of California San Diego（加州大学圣地亚哥分校神经计算研究所）
针对现有强化学习框架重性能轻效率的问题，提出DB-MDP约束智能体决策数与计算能耗，并设计受生物启发的TLA架构，在保持性能的同时显著降低计算成本，为相关研究建立基准。
2024-10-30 cs.AI cs.SY eess.SY
ARDNS-FN-Quantum: A Quantum-Enhanced Reinforcement Learning Framework with Cognitive-Inspired Adaptive Exploration for Dynamic Environments
Universidade de Uberaba（乌贝拉巴大学）
本文提出融合 2 量子比特电路、双记忆与自适应探索的 ARDNS-FN-Quantum，在动态网格世界中显著提升强化学习的成功率、稳定性和效率。
2025-05-07 cs.AI cs.LG
LogGuardQ: A Cognitive-Enhanced Reinforcement Learning Framework for Cybersecurity Anomaly Detection in Security Logs
Universidade de Uberaba（乌贝拉巴大学）
针对传统强化学习在动态环境中探索效率低的问题，提出认知增强框架 LogGuardQ，结合双记忆系统与自适应探索策略，在安全日志异常检测中实现了 96.0% 的高检测率与优越稳定性。
2025-09-02 cs.AI cs.CR cs.LG
Cultivating Machine Intelligence: The OMEGA Shift from Top-Down Optimization to Autopoietic Cognitive Ecologies
Nyenrode Business University（奈恩罗德商学院）
针对当前深度学习优化范式导致的幻觉、谄媚、奖励破解和对齐脆弱等结构性缺陷，提出RECLAIM框架，通过计算生态学而非严格优化来培养智能，并引入OMEGA转变概念。
2026-05-24 cs.AI cs.NE
A Mathematical Model of Motivated Emotional Mind - Cognitive Embodied System
本文为具身智能系统提出动机情感心智架构的数学模型，通过动机学习与再入回路形式化，整合感知、记忆和情感控制，以维持内稳态并优化行动选择。
2026-09-18 cs.AI q-bio.NC
Bridging Cognitive Programs and Machine Learning
Department of Electrical Engineering and Computer Science（电气工程与计算机科学系）；York University（约克大学）
虽然在模式识别和机器学习方面取得了很大的进步，但这些领域的成功仍然局限于狭窄的应用，并且当训练数据稀缺时，出现领域转移时，或者当需要智能推理以快速适应新环境时，这些领域的成功似乎会崩溃。在这项工作中，我们列出了现代机器学习解决方案的几个缺点，特别是在计算机视觉和强化学习的背景下，并提出了探索的方向，以试图改善这些弱点。
2018-02-16 cs.AI cs.CV cs.LG
Neuro-Nav: A Library for Neurally-Plausible Reinforcement Learning
Araya Inc.（Araya公司）；Princeton University（普林斯顿大学）；Massachusetts Institute of Technology（麻省理工学院）；University of Oregon（俄勒冈大学）；Microsoft Research（微软研究院）
在这项工作中，我们提出了Neuro-Nav，一个开源的神经似然强化学习（RL）库。RL是研究生物有机体中决策、学习和导航的最常见的建模框架之一。在使用RL时，认知科学家经常手工制作环境和代理，以满足他们特定研究的需求。另一方面，人工智能研究人员往往很难找到神经和生物学上合理的表示和行为的基准（例如，在决策或导航中）。为了简化这两个领域的透明性和可重复性的过程，Neuro-Nav提供了一套标准化的环境和RL算法，这些算法来自啮齿动物和人类的典型行为和神经研究。我们证明了该工具包复制了认知科学和RL文献中许多研究的相关发现。我们还描述了可以使用新算法（包括深度RL）和环境扩展库的方法，以满足该领域未来的研究需求。
2022-06-06 cs.AI cs.LG cs.NE
Causal Reinforcement Learning based Agent-Patient Interaction with Clinical Domain Knowledge
本文提出基于因果强化学习的Agent-患者交互框架，通过整合因果发现与推理提升医疗场景中的决策可解释性和适应性。
2025-11-17 cs.AI cs.RO
