[論文レビュー] Unsupervised Emergence of Egocentric Spatial Structure from Sensorimotor Prediction

Alban Laflaquière, M. Ortíz|City Research Online (City University London)|Jun 4, 2019

Action Observation and Synchronization参考文献 34被引用数 4

ひとこと要約

本論文は、事前知識や教師信号なしに、生のセンサモータリ・エクスペリエンスから、トポロジカルかつメトリックに正確なエゴセントリック空間的表現を自律的に学習できる非教師付きセンサモータリ予測フレームワークを提案する。主な結果は、将来の感覚状態を予測するように訓練されたニューラルネットワークが、センサモータリ不変性を学ぶ過程で、空間の基本的なユークリッド構造を副次的な成果として捉えられることである。

ABSTRACT

Despite its omnipresence in robotics application, the nature of spatial knowledge and the mechanisms that underlie its emergence in autonomous agents are still poorly understood. Recent theoretical works suggest that the Euclidean structure of space induces invariants in an agent's raw sensorimotor experience. We hypothesize that capturing these invariants is beneficial for sensorimotor prediction and that, under certain exploratory conditions, a motor representation capturing the structure of the external space should emerge as a byproduct of learning to predict future sensory experiences. We propose a simple sensorimotor predictive scheme, apply it to different agents and types of exploration, and evaluate the pertinence of these hypotheses. We show that a naive agent can capture the topology and metric regularity of its sensor's position in an egocentric spatial frame without any a priori knowledge, nor extraneous supervision.

研究の動機と目的

• 非教師付きエージェントが、センサモータリ経験のみから構造的エゴセントリック空間的表現を学習できるかどうかを調査すること。
• センサモータリ予測が外部空間のトポロジカルおよびメトリックな不変性を捉えられるかどうかを検証すること。
• このような空間的構造が、事前知識や手作業で設計されたインダクティブバイアス、あるいは追加の教師信号なしに出現するかどうかを評価すること。
• エージェントの形状、探索戦略、環境の複雑さの変化に対して、空間的表現学習の頑健性を検討すること。

提案手法

• 深層ニューラルネットワークを、現在の感覚入力と運動行動から将来の感覚状態を予測するように訓練する。
• ネットワークは、感覚的および運動的入力を共通のエンコーダ（Net_enc）を用いて、統合された潜在表現 h にマップする。
• 予測オートエンコーダの設定を用い、将来の感覚状態に対する教師あり予測損失を用いて、エンドツーエンドでモデルを訓練する。
• 一般化を評価するために、ランダム、MEM（メモリ効率の良いモーション）、および通常のモーター採番の3つの探索戦略を用いる。
• 潜在表現 h は、真のセンサ位置との間のトポロジカル（D_topo）およびメトリック（D_metric）な類似度測度を用いて、空間的構造の有無を評価する。
• フレームワークは、離散的な2次元グリッドワールドと、6自由度を持つ連続的な3次元ロボットアームシミュレーションの2つの環境でテストされた。

実験結果

リサーチクエスチョン

• RQ1 エージェントは、非教師付きセンサモータリ予測によって、トポロジカルに正確なエゴセントリック空間的表現を学習できるか？
• RQ2 明示的な教師信号や手作業で設計された事前知識なしに、学習された表現が空間のメトリックな規則性を捉えられるか？
• RQ3 エージェントの形状、探索戦略、環境の複雑さの変化に対して、空間的構造の出現はどの程度頑健か？
• RQ4 特に補償可能な変化を含むセンサモータリ不変性が、潜在空間におけるユークリッド空間的概念をどのように生み出すか？
• RQ5 潜在表現内の空間的構造は、環境の内容や感覚モodal に依存しないか？

主な発見

• 潜在表現 h は、すべての環境および探索タイプにおいて、低水準の D_topo 値によって、エージェントのセンサ位置のトポロジカル構造を的確に捉えていることが示された。
• 空間のメトリックな規則性は h に保持されており、D_metric 値から、潜在空間内の距離が環境内での真の空間的距離と相関していることが示された。
• 6-DOFアームの設定において、より高次元のモーター空間が存在するにもかかわらず、類似した空間的規則性が観察されたことから、エージェントの複雑さが増しても空間的構造の出現は頑健であることが示された。
• ランダム探索やMEM探索を含む、さまざまな探索戦略においても結果が一貫しており、特定のモーター行動パターンに依存しない一般化が示された。
• MEM探索における類似度値が高いため、可視化にログスケールの使用が不可欠であったが、根本的な空間的構造は保持されていた。
• トレーニングのばらつきは、主に初期化とミニバッチ選択の確率的要因に起因しており、データセットの違いによるものではないことが、50回の独立実験における一貫した標準偏差から示された。