[論文レビュー] Memory-Centred Cognitive Architectures for Robots Interacting Socially with Humans

Paul Baxter|arXiv (Cornell University)|Feb 18, 2016

Language, Metaphor, and Cognition参考文献 14被引用数 3

ひとこと要約

本論文は、社会的ロボットのための記憶中心の認知アーキテクチャを提案する。連合記憶ネットワークが認知の活性的基盤をなしており、経験に基づく学習を通じて予測、プリミング、マルチモーダルな整合性を実現する。このアプローチにより、経験に基づく動的プリミングを通じて社会的連鎖性と模倣を統合することで、人間とロボットの相互作用が条件的かつ共適応的に行えるようになる。

ABSTRACT

The Memory-Centred Cognition perspective places an active association substrate at the heart of cognition, rather than as a passive adjunct. Consequently, it places prediction and priming on the basis of prior experience to be inherent and fundamental aspects of processing. Social interaction is taken here to minimally require contingent and co-adaptive behaviours from the interacting parties. In this contribution, I seek to show how the memory-centred cognition approach to cognitive architectures can provide an means of addressing these functions. A number of example implementations are briefly reviewed, particularly focusing on multi-modal alignment as a function of experience-based priming. While there is further refinement required to the theory, and implementations based thereon, this approach provides an interesting alternative perspective on the foundations of cognitive architectures to support robots engage in social interactions with humans.

研究の動機と目的

• 記憶を受動的記憶として扱う伝統的な記号的認知アーキテクチャの限界を克服するため、記憶を能動的基盤とする認知のアプローチを提案すること。
• 経験に基づくプリミングを通じて社会的連鎖性、予測、共適応を統合することで、ロボットにおける社会的相互作用を可能にすること。
• マルチモーダルな整合性とクロスモーダル予測を支援する認知アーキテクチャを開発すること。これは人間-ロボット社会的相互作用に不可欠である。
• 発達的学習を認知アーキテクチャに統合し、身体的経験を通じて関連ネットワークを形成・更新できるようにすること。
• 生物学的に妥当でありながら、現実世界の社会的相互作用において機能的に効果的な認知アーキテクチャの理論的かつ実用的基盤を提供すること。

提案手法

• 分散的連合皮質ネットワークに基づくネットワーク記憶フレームワークを用い、保存された経験の動的活性化と再活性化を支援する。
• ヘブ則に類似した学習を用いて、相互作用中に感覚的・運動的・文脈的入力の間の関連を形成・強化する。
• プリミングをコアメカニズムとして採用：部分的な感覚的入力が連合ネットワーク全体にわたる活性化の流れを引き起こし、知覚と行動を予測・バイアス化する。
• 重み付けられた連合接続に保存された過去の経験を活用することで、マルチモーダル統合と予測を実現する。
• 継続的な相互作用を通じて発達的学習を支援し、ロボットが時間の経過とともに認知構造を構築・精錬できるようにする。
• 記憶構造を介して高レベルの認知と低レベルの感覚運動処理を結ぶことで、記号的要素と非記号的要素を統合する。

実験結果

リサーチクエスチョン

• RQ1 記憶を受動的記憶メカニズムではなく、認知の能動的基盤として再概念化するにはどうすればよいか？
• RQ2 リアルタイムで人間の社会的信号を予測し、それに共適応する認知アーキテクチャはどのようなものか？
• RQ3 経験に基づくプリミングから、人間-ロボット相互作用におけるマルチモーダルな整合性はどのように生じるか？
• RQ4 発達的学習は、社会的認知の基盤となる関連ネットワークを形成する上で果たす役割は何か？
• RQ5 記憶中心のアーキテクチャは、長期的な社会的相互作用において、柔軟性と安定性の両立をどのように達成するか？

主な発見

• 記憶中心の認知アプローチにより、予測とプリミングが経験に基づく基本的プロセスとして機能し、ロボット行動における社会的連鎖性の基盤が形成される。
• マルチモーダルな整合性は、部分的な感覚的入力が異なったモダリティにわたる関連表現を活性化することで、自然にプリミングによって生じる。
• このアーキテクチャは、継続的で経験に基づく学習を通じて、低レベルの感覚運動協調と高レベルの概念習得の両方を支援する。
• プリミングはクロスモーダル期待の形成を促進し、部分的な入力に基づいて欠落している刺激を予測可能にする。これは社会的対応性にとって不可欠である。
• このアプローチは、身体性、認知、社会的相互作用を統合する整合的な理論的枠組みを提供するが、実装面では未解決の課題が残っている。
• 階層的構造や時間的処理の面での制限は存在するが、記憶中心の認知の核心的原則は、社会的ロボット分野における記号的アーキテクチャの代替として実用的である。