主動推論與機器人研究嘗試將狀態估計、規劃、控制及模型學習放進同一個生成模型，處理感測噪音、致動器不完美與環境不確定性。Active Inference Institute 的整理指出，相關證據橫跨理論、模擬與少量實體機器人示範，研究成熟度並不均一，且尚缺乏標準化基準與廣泛系統比較。因此它是值得探索的工程架構，而不是已普遍取代傳統控制或強化學習的方法。
思與行
- 先選一個窄任務，與 PID、MPC 或強化學習建立相同條件的基準。
- 報告感測失效、計算成本、延遲、安全性與泛化能力。
參考
- Active Inference Institute. Active Inference and Robotics. 研究綜述與資源
- 延伸：主動推論把狀態估計規劃與控制整合在生成模型中、工程應用需要與成熟基準公平比較