Het begrijpen van de omgeving is een fundamentele pilaar van menselijke cognitie. In deze dissertatie wordt onderzocht hoe artificiële intelligentie een voorstelling kan maken van de ruimte waarin die zich bevindt. Voor deze toepassing worden de evoluties van deep learning gecombineerd met een theorie voor gedrag uit de neurowetenschappen. Active inference stelt namelijk dat agenten een intern statistisch model hebben die de toestand van de wereld beschrijft, en dat de agent hun actie en perceptie allebei het gevolg zijn het van de minimizatie ten opzichte van dezelfde objectieve functie. Verschillende modellen worden voorgesteld voor het scenario van een actieve camera die hun omgeving accuraat moet beschrijven, en voor navigatie in tweedimensionale ruimtes.