核心发现
方法论
该模型结合部分可观测马尔可夫决策过程（POMDP）与Metropolis-Hastings命名游戏（MHNG），模拟父婴间基于局部感知的交互。父母通过外感线索推断婴儿内感状态，婴儿则直接感知自身内感，双方通过共享符号进行合作调节。模型中，父母掌握状态转移矩阵B，婴儿掌握感知矩阵A，彼此通过符号w进行信息交流，利用贝叶斯推断实现信念更新。关键在于通过MHNG的接受概率实现异步信号的融合，促使两者潜在表征快速同步。模型还引入了动态学习机制，实时更新生成模型参数，模拟真实父婴关系中的知识不对称。
关键结果
- 在6×6的内感状态网格世界中，MHNG调节显著优于单向控制，婴儿内感状态趋于高偏好区域，达成更优调节效果（p<0.01）。
- 两智能体的潜在表征Jensen-Shannon散度（JSD）在20次迭代后迅速下降至接近零，表明潜在表示快速同步，且在后续状态转移中保持动态耦合。
- 同步发生早于生成模型收敛，表明潜在表征同步不依赖完全共享模型，反映局部交互中的信息约束机制。
研究意义
本研究提出的模型提供了理解人际同步的计算框架，突破了传统只依赖完全模型共享的限制，强调局部交互中潜在表征的动态同步机制。对认知神经科学、社会机器人及早期发展研究具有重要启示，有助于揭示社会互动中信息整合与调节的底层原理。
技术贡献
创新性地将POMDP与集体预测编码（CPC）结合，提出基于MHNG的多智能体交互机制，实现异步信息融合与潜在表征同步。模型中，异质知识结构与局部感知能力的结合，提供了无需完全模型共享的动态同步路径，为多智能体系统的认知建模开辟新途径。
新颖性
首次将集体预测编码的符号共享机制应用于父婴交互模型中，结合MHNG实现潜在表征的快速同步，突破了传统同步模型对模型完全共享的依赖，强调局部感知与异步交互的作用。
局限性
- 模型简化了内感状态的二维离散表示，未考虑连续、多维的生理状态复杂性，限制实际应用的泛化。
- 符号和偏好矩阵设定为静态，未模拟符号的动态演化与语义生成过程，影响模型对社会意义的解释能力。
- 缺乏神经机制的具体模拟，难以直接对应神经活动或解剖结构，未来需结合神经数据进行验证。
未来方向
未来将引入符号与偏好矩阵的动态学习机制，模拟符号语义的逐步演化，结合连续状态空间与神经模型，增强模型的生物学合理性。同时，扩展多模态感知与复杂社会场景，探索更丰富的交互机制。
AI 总览摘要
本研究提出了一种基于集体预测编码（CPC）假设的多智能体交互模型，用于模拟父婴之间的动态潜在表征同步。该模型结合部分可观测马尔可夫决策过程（POMDP）与Metropolis-Hastings命名游戏（MHNG），实现异步感知条件下的信息融合与潜在信念同步。通过模拟6×6内感状态网格，结果显示在交互过程中，婴儿的内感状态得到了更有效的调节，且父婴潜在表征在20次迭代内迅速趋于一致，且在后续状态转移中保持动态耦合。这一同步现象早于生成模型的收敛，表明潜在表征同步不依赖于完全模型共享，而是通过局部交互中的符号共享机制实现。模型的核心创新在于结合贝叶斯推断与符号接受概率，模拟异步信息交流中的潜在表征同步路径，为理解人际同步提供了新的计算框架。该模型不仅丰富了认知神经科学中关于社会互动的理论，也为机器人与人工智能系统的社会认知设计提供了理论基础。未来工作将扩展符号与偏好矩阵的动态学习，结合连续状态空间与神经机制，推动模型向更真实的生物学基础靠拢。整体而言，本文为理解早期社会交互中的信息整合与调节机制提供了重要的计算模型支持，具有广泛的理论和应用价值。
深度分析
研究背景
社会交互中的同步现象在神经科学和认知科学中引起广泛关注，尤其是在父婴关系中，早期的情绪调节和社会学习依赖于身体状态的调节和信息交换。传统研究多关注神经同步（inter-brain synchrony, IBS）与行为同步，但缺乏对潜在表征如何在有限感知和知识不对称条件下实现动态同步的理解。集体预测编码（CPC）提出符号作为共享变量，促进多智能体间的信念融合，为模拟社会交互提供理论基础。近年来，基于贝叶斯推断的模型逐渐成为理解社会同步的主流工具，但大多假设模型完全共享，难以解释局部感知与异步信息的同步机制。本研究基于此背景，试图在模型中引入异步信息交流机制，模拟父婴间潜在表征的快速同步，为认知神经科学提供新的理论框架。
核心问题
核心问题在于如何在信息有限、感知不对称的条件下，实现两个具有不同知识结构和感知模态的个体的潜在表征同步。传统模型依赖完全模型共享，难以反映真实社会交互中的信息限制和异步特性。特别是在父婴关系中，父母掌握调节策略和状态转移知识，而婴儿则直接感知身体状态，双方如何通过有限符号交流实现潜在信念的快速对齐，仍未被充分解释。这一问题的解决对于理解早期社会认知、情绪调节及相关神经机制具有重要意义。
核心创新
本研究的创新点在于：1）将集体预测编码（CPC）中的符号共享机制引入父婴模型，突破了模型完全共享的限制；2）结合POMDP框架，模拟异步感知条件下的潜在信念更新；3）利用Metropolis-Hastings接受概率实现符号的随机接受机制，促进潜在表征的快速同步；4）引入动态学习机制，实时更新生成模型参数，模拟知识不对称环境中的学习过程。这些创新使模型能够在局部感知和异步交互中实现潜在信念的快速对齐，为多智能体系统中的社会认知提供新路径。
方法详解
- �� 采用POMDP框架，将父婴交互建模为两个具有不同感知模态和知识结构的智能体。父母掌握状态转移矩阵B，婴儿掌握感知矩阵A，双方通过符号w进行合作调节。• 利用贝叶斯推断，父母通过外感线索推断婴儿内感状态，婴儿直接感知自身状态。• 采用MHNG机制，父母提出符号，婴儿根据接受概率（由自身模型计算）决定接受或拒绝，实现异步信息融合。• 通过在线学习机制，实时更新感知矩阵A和状态转移矩阵B，模拟知识不对称环境中的学习过程。• 模型中，符号w的后验由贝叶斯公式计算，接受概率由Metropolis-Hastings算法决定，确保信息的随机融合和潜在表征同步。
实验设计
在6×6离散状态网格中模拟婴儿的内感状态，比较MHNG、单向控制（父母或婴儿主导）条件下的调节效果。采用偏好矩阵C衡量调节效果，计算KL散度评估生成模型学习。通过多轮模拟，观察潜在表征的JSD变化，评估同步速度与稳定性。实验中，设置不同的符号偏好和学习参数，验证模型在异步感知条件下的潜在信念同步能力。结果显示，MHNG条件下，婴儿状态更趋于偏好区域，潜在表征快速同步，且同步早于模型收敛，验证模型有效性。
结果分析
模型在模拟中实现了婴儿状态的有效调节，偏好矩阵C趋于最大值，调节效果优于单向控制（p<0.01）。潜在表征JSD在20次迭代后迅速下降至接近零，表明潜在信念快速同步，且在后续状态转移中保持稳定。模型还显示同步早于生成模型收敛，潜在表征的动态耦合持续存在，验证了异步交互中的潜在同步机制。实验结果支持，局部符号共享与贝叶斯推断结合，能在信息有限的情况下实现潜在信念的快速对齐。
应用场景
该模型可应用于早期社会认知研究，理解父母与婴儿的情绪调节机制，也可用于设计具有自主调节能力的社会机器人，提升其在人类环境中的交互能力。未来可结合多模态感知和连续状态空间，拓展到更复杂的社会场景，推动人工智能在社会认知中的应用。
局限与展望
模型简化了生理状态的二维离散表示，未考虑连续、多维的生理复杂性，限制实际应用的泛化能力。符号偏好矩阵设为静态，未模拟符号语义的动态演化，影响模型对社会意义的解释。此外，未结合神经机制，难以直接对应神经活动，未来需结合神经数据验证模型的生物学合理性。
通俗解读 非专业人士也能看懂
想象两个工人在合作修理一台机器，一个负责观察机器的外部表现（比如声音和振动），另一个直接感觉机器内部的温度和压力。他们没有完全相同的信息，但通过发出和接受一些简单的信号，比如“需要冷却”或“需要加热”，他们逐渐理解对方的意图。每个人都根据自己掌握的规则和观察，猜测对方的想法，然后用符号交流。随着时间推移，他们的想法变得越来越一致，甚至在机器状态变化时还能快速重新协调。这就像父母和婴儿一样，虽然信息不完全，但通过有限的符号和局部的互动，他们实现了潜在信念的同步，保持身体和情绪的平衡。这种机制帮助他们更好地合作，确保彼此的需求都得到满足。
简单解释 像给14岁少年讲一样
想象你和你的朋友在玩一个游戏，你们不能直接告诉对方你在想什么，但可以用一些暗示，比如说“我觉得这个颜色不错”或者“我喜欢这个动作”。你们轮流提出建议，听取对方的反应，然后调整自己的想法。虽然你们不能完全知道对方的所有想法，但通过这些小信号，你们的想法会变得越来越接近。就像父母照顾婴儿一样，父母知道怎么让孩子舒服，但不知道孩子的每个感觉细节；而孩子能感觉到自己的身体状态，但不知道父母的调节策略。通过不断用符号交流，双方逐渐理解彼此的想法和身体状态，形成一种默契。这种合作方式让他们在没有完全了解对方的情况下，也能保持身体和情绪的平衡，像一支默契的队伍一样合作无间。
术语表
集体预测编码（Collective Predictive Coding, CPC）
一种理论框架，认为社会交互中的符号作为共享变量，促进多智能体信念的融合。技术上通过贝叶斯推断实现信念同步。
论文中用以解释符号共享促进潜在信念同步的机制。
部分可观测马尔可夫决策过程（Partially Observable Markov Decision Process, POMDP）
一种决策模型，描述智能体在部分可观测环境中通过信念更新选择行动的过程。技术上结合贝叶斯推断与策略优化。
模型中用于模拟父婴感知与状态推断。
Metropolis-Hastings命名游戏（MHNG）
一种基于Metropolis-Hastings算法的符号接受机制，用于多智能体间异步符号交流，促使潜在信念快速同步。
实现父母婴儿符号交流与潜在表征同步的核心算法。
潜在表征（Latent Representation）
智能体内部隐藏的信念或状态，用于描述环境或自身状态的抽象表示。
衡量父婴交互中潜在信念同步的指标。
Jensen-Shannon散度（JSD）
衡量两个概率分布相似度的对称指标，值越小表示越相似。
用于评估父婴潜在表征的同步程度。
开放问题 这项研究留下的未解疑问
- 1 模型未考虑连续、多维生理状态的复杂性，未来需引入高维连续状态空间以增强生物学合理性。
- 2 符号偏好矩阵为静态，未来应研究符号语义的动态演化机制。
- 3 缺乏神经机制的具体模拟，需结合神经数据验证模型的神经基础。
应用场景
近期应用
早期情绪调节干预
利用模型理解父婴潜在信念同步机制，设计干预策略帮助改善婴儿情绪调节能力。
社会机器人交互设计
基于模型开发能在有限感知条件下实现潜在信念同步的机器人，提升人机交互体验。
远期愿景
早期发展监测与干预
结合模型与神经数据，开发早期识别和干预工具，促进儿童社会情感发展。
原文摘要
Inter-brain synchrony (IBS) observed in real-time dyadic interactions, including parent-infant exchanges, suggests that two agents can align their internal representations through interaction. Yet computational accounts of how such alignment can arise between agents that have only local sensory access and asymmetric internal knowledge remain underdeveloped. We propose a constructive model of parent-infant homeostatic co-regulation that integrates a POMDP formulation of active interoceptive inference with the Metropolis-Hastings Naming Game (MHNG) derived from the Collective Predictive Coding (CPC) hypothesis. In our model, the parent and infant agents agree on homeostatic regulatory actions for the infant's visceral state through a shared communicative variable generated by a locally computable Metropolis-Hastings probability. The parent observes the infant through body-generated exteroceptive cues, whereas the infant directly senses its own visceral state through interoception. This difference in access modality is implemented as asymmetric generative-model knowledge: the parent knows how actions transform visceral states but must learn what the infant's bodily cues indicate, whereas the infant perceives its visceral state directly but must learn how actions affect it. We quantify the degree of representational alignment using the Jensen-Shannon divergence between the two agents' latent representations. Notably, this synchrony emerged far earlier than the generative-model convergence and was maintained despite heterogeneous generative-model knowledge, indicating that it does not require fully shared world models. These findings support CPC as a candidate computational framework for explaining how dynamic representational synchrony relevant to IBS can emerge through local interactions.