Este estudio explora un modelo infoestructural de cognición para agentes no interactivos afectados por la sensación, percepción, emoción y afecto humanos. No analizamos el debate neurocientífico o psicológico sobre el funcionamiento de la mente humana, pero subrayamos la importancia de modelar los niveles cognitivos mencionados al diseñar agentes de inteligencia artificial. Nuestro objetivo era iniciar una reflexión sobre la reproducción computacional de la inteligencia, proporcionando un enfoque metodológico a través del cual los factores humanos mencionados en los sistemas autónomos se mejoran. El modelo presentado debe ser considerado como parte de uno más grande, que también incluye conceptos de atención, conciencia y consciencia. Se han realizado experimentos proporcionando estímulos visuales al modelo propuesto, acoplando el nivel cognitivo de emoción con un aprendiz supervisado para producir actividad emocional artificial. Con este propósito, se han comparado las actuaciones con Random Forest y XGBoost y, con este último algoritmo, se ha logrado un 85% de precisión y un 92% de coherencia en episodios emocionales predefinidos. El modelo también se ha probado en episodios emocionales diferentes a los relacionados con la fase de entrenamiento, y se ha observado una disminución en precisión y coherencia. Además, al disminuir el peso relacionado con las instancias cognitivas de emoción, el modelo alcanza las mismas actuaciones registradas durante la fase de evaluación. En general, el marco logra una primera capacidad de generalización emocional del 94% y presenta una frecuencia relativa aproximadamente constante relacionada con las emociones mostradas por el agente.