人工エージェントが多様な環境を学習するためには，内発的動機に基づく報酬が必要である．これまでに，エージェントの内発的動機づけの研究が行われてきたが，統合的なアーキテクチャの中で検討するものはなかった．本研究では，ACT-Rを用いて内発的動機づけの認知モデルの構築を目指す．モデルは環境中のパターンの発見を知的好奇心の源泉とみなす．それによって，モデルは複数の異なる広さの環境を学習することができた．

本研究では，協力ゲームhanabiを題材として，飽きと学習の関係性を身体動作や内発的動機の観点から探る．加えて，ゲームスコアやゲーム時間などの時系列データも扱う．それらの分析過程において，身体動作から動きの周期性を抽出し，それを新たな指標として提案する．この指標を用いて，動機づけがうまくいく集団とは動作間隔の周期性が類似している集団であると結論付けた．