[論文レビュー] Robot self/other distinction: active inference meets neural networks learning in a mirror

Pablo Lanillos, Jordi Pagès+1 more|arXiv (Cornell University)|Apr 11, 2020

Action Observation and Synchronization参考文献 34被引用数 19

ひとこと要約

本論文では、能動的推論と自由エネルギー最小化を用いて、自らの行動と他人の行動を区別できるニューラルネットワークベースのアルゴリズムを提案する。自発的な行動と視覚的・体性感覚的状態変化の間のセンサモーターの連関性を学習することで、外見的特徴に依存せずに、鏡における自己認識の証拠を蓄積し、多様な条件下でも強固な自己／他者区別を達成する。

ABSTRACT

Self/other distinction and self-recognition are important skills for interacting with the world, as it allows humans to differentiate own actions from others and be self-aware. However, only a selected group of animals, mainly high order mammals such as humans, has passed the mirror test, a behavioural experiment proposed to assess self-recognition abilities. In this paper, we describe self-recognition as a process that is built on top of body perception unconscious mechanisms. We present an algorithm that enables a robot to perform non-appearance self-recognition on a mirror and distinguish its simple actions from other entities, by answering the following question: am I generating these sensations? The algorithm combines active inference, a theoretical model of perception and action in the brain, with neural network learning. The robot learns the relation between its actions and its body with the effect produced in the visual field and its body sensors. The prediction error generated between the models and the real observations during the interaction is used to infer the body configuration through free energy minimization and to accumulate evidence for recognizing its body. Experimental results on a humanoid robot show the reliability of the algorithm for different initial conditions, such as mirror recognition in any perspective, robot-robot distinction and human-robot differentiation.

研究の動機と目的

• センサモーター学習と能動的推論を用いて、外見的特徴に依存しない自己認識をロボットが実行できるようにすること。
• 視覚的および体性感覚的特徴が不完全または曖昧な動的で現実世界のシナリオにおいて、自己／他者区別を解決すること。
• 高レベルの認知的意識に依存するのではなく、無意識的な身体認識メカニズムに自己認識を根ざさせること。
• 事前に定義されたボディセグメンテーションや外見モデルに依存しないスケーラブルで生物学的に妥当なフレームワークを開発すること。
• 鏡の視点の違い、ロボット同士、および人間とロボットの相互作用のさまざまなシナリオにおいて、強度を維持できること。

提案手法

• ロボットは、ニューラルネットワークを用いて、自らの運動指令から予測される視覚的および体性感覚的結果への前向きモデルを学習する。
• 予測された感覚状態と実際の感覚状態の間の予測誤差を計算し、自由エネルギー最適化によって最小化することで、身体の配置の推論が促進される。
• 確率的モデルが、ロボットが行動を生成したという仮説の下での感覚データの周辺尤度を計算し、自己認識の証拠が蓄積される。
• 二重コンパレータモデルは、予測誤差（第一コンパレータ）と空間的・時間的連関性（第二コンパレータ）を統合し、自己／他者区別の向上を図る。
• センサモーターの不確実性が明示的にモデル化されており、部分的またはノイズの多い観測下でも強固な推論が可能である。
• 変分推論を用いてベイジアンモデル証拠を近似することで、オンライン学習とリアルタイムでの自己認識が可能になる。

実験結果

リサーチクエスチョン

• RQ1 外見的特徴に依存せず、鏡の中でロボットが自らの行動と他人の行動を区別できるか？
• RQ2 能動的推論と自由エネルギー最小化をどのように活用して、自己認識のためのセンサモーター・モデルを学習・更新できるか？
• RQ3 外見的特徴や事前にセグメンテーションされたボディパーツに依存せずに、自己／他者区別がセンサモーター連関性学習からどれほど発現できるか？
• RQ4 提案されたモデルは、鏡の視点の違いや他のエージェントとの動的相互作用のさまざまな状況においても、強度を維持できるか？
• RQ5 予測誤差と空間的・時間的連関性の統合は、単一メカニズムアプローチと比較して、自己認識の信頼性をどのように向上させるか？

主な発見

• 外見が似通った人間や他のロボットの行動と比較して、鏡実験においてロボットは自らの行動を成功裏に区別した。
• 自発的行動の際には低予測誤差が得られ、自己認識の信頼性が高くなった一方、高い誤差は自己同定の確率を低下させた。
• 異なる初期の鏡の視点や動的相互作用条件に対しても、アルゴリズムは強度を示した。
• 周辺尤度の計算による時間的証拠の蓄積により、明示的な外見マッチングを必要とせず、信頼性の高い自己認識が可能になった。
• 予期しない副次的効果として、ロボットの手が鏡で観察された際には模倣的行動が出現したが、これは推論による模倣的傾向の兆候であった。
• 複雑な視覚的セグメンテーションやボディ形状の事前知識を必要とせず、行動効果の連関性にのみ依存して、自己／他者区別が達成された。