本研究探讨了人类在有限资源下形成有效世界表征的方式，提出了认知地图作为生成性程序的概念。实验结果表明，人们在结构化空间中导航时采用模块化规划策略，计算模型展示了人类在不同场景下的行为预测能力，表明规划策略依赖于程序化的认知地图。

本研究探讨了基于语义通信的智能无人机在环境感知和行为预测中的应用。通过强化学习和语义通信框架，提出了一种新型无人机训练方法，并设计了轻量级区块链认证方案以保障用户信息安全。实验结果表明，无人机适应性能提高约35%，语义通信系统在交易吞吐量上保持稳定，具有显著潜在影响。

本文介绍了一个国际性对抗合作运动数据集（INTERACTION），用于研究驾驶场景中的行为预测和建模。研究者利用图神经网络等方法提出多种模型，以提高车辆未来动向的预测准确性和效率，为自动驾驶技术的发展提供了重要支持。

Caformer是一种新型时间序列分析框架，能够有效捕捉跨维度和时间的依赖关系，解决伪相关问题。它在预测、补全、分类和异常检测等任务中表现优异。此外，相关研究还提出了AgentFormer、ASFormer和SageFormer等模型，在多智能体行为预测和动作分割等领域取得了先进成果。

本文介绍了多种基于Transformer的模型，如AgentFormer、VT-Former和AerialFormer，应用于多智能体行为预测、车辆轨迹预测和航空影像分割等领域。这些模型在各自的数据集上表现出色，展示了Transformer在不同任务中的广泛适用性和鲁棒性。

该文汇总多项交通预测研究：利用道路指标与空间依赖提升蜂窝流量预测；通过拓扑特征发现相似路段以降低监测成本；提出STDN、谱图深度学习、GPS轨迹推断等方法，预测交通流与车辆行为，误差降低约75%，行为预测准确率达91.2%。

本文综述了利用计算机模拟与多智能体系统研究复杂系统及人类行为建模的进展，涵盖人类行为建模的模拟、感知与生成三方面，包括基于深度强化学习（如PPO）的自适应行为仿真、数据驱动的BITS交通行为生成方法及仿真工具、基于Scenic语言的仿真测试平台、基于心智理论的智能体框架、结合贝叶斯神经网络的BNSP-SFM行为预测模型（精度提升50%）、用大语言模型生成社交互动以辅助社交计算设计，以及游戏引擎作为具身空间推理与人工智能开发平台的作用，并归纳了行为量化建模的两类主要方法。