另外还有一些从连接主义建模、认知架构设计等方面构建心理揣测模型的研究。麦吉尔大学的 Berthiaume 等人[51]提出了一个连接主义模型来模拟错误信念任务。通过增加隐藏层神经元来提高模型的计算能力，该模型可以成功模拟错误信念任务由失败到成功这一转变，他们认为，这种转变的根源不在于对信念的理解，而是由抑制自身信念处理资源的增加导致的。图卢兹大学的 Milliez 等人[52]提出了一个时空推理系统 SPARK，借助该系统，机器人可以以更加自然的方式实现有效地沟通和互动。该系统可以使机器人通过 Sally-Anne 测试，并在对话消歧方面表现良好。
西英格兰大学的 Winfield[53]基于内部模拟模型提出了一个心理揣测模型，并部署在 NAO 机器人上，该模型可以在内部模拟机器人下一个可能的动作，从而预测这些动作对自己和其他个体可能产生的后果，对增强机器人的社会交互能力十分重要。西英格兰大学的 Bremner 等人[54]提出了一个信念-期望-意图模型，其逻辑结构通过记
录推理循环和形式化的验证方法促进模型的透明性，通过一系列的实验证明该模型能够做出符合阿西莫夫机器人三定律的正确决策。加州理工学院的Choudhury 等人[55]对比了无模型、基于黑箱模型和基于心理揣测的人机交互方法，发现基于心理揣测的人机交互方法是在学习过程中唯一不需要人机交互数据，并可以根据观察到的人-人交互数据进行训练的方法，相较于另外两个方法，基于心理揣测的方法所需的数据更少，且更加鲁棒。