불확실성 하에서 자동 의사 결정은 탐험과 활용의 균형을 필요로 합니다. 기존 방법은 휴리스틱을 사용하여 이를 별도로 처리하는 반면, Active Inference는 예상 자유 에너지(EFE) 최소화를 통해 이를 통합합니다. 그러나 EFE 최소화는 계산 비용이 많이 들어 확장성에 한계가 있습니다. 본 논문은 EFE 최소화를 변분 추론으로 재구성하는 최근 이론을 바탕으로 하며, 이를 Planning-as-Inference와 공식적으로 통합하고 인식적 동기를 고유한 엔트로피 기여로 보여줍니다. 본 논문의 주요 기여는 이러한 통합된 목표를 위한 새로운 메시지 전달 방식을 개발하여, 인수 분해된 상태 MDP에서 확장 가능한 Active Inference를 가능하게 하고 고차원 계획의 난제를 극복하는 것입니다.
