[論文レビュー] World Models and Predictive Coding for Cognitive and Developmental Robotics: Frontiers and Challenges

Tadahiro Taniguchi, Shingo Murata+9 more|arXiv (Cornell University)|Jan 14, 2023

Computability, Logic, AI Algorithms被引用数 6

ひとこと要約

このサーベイ論文は、認知的・発達的ロボティクスにおけるワールドモデルと予測コーディングを統合し、センサモータリ・インタラクションを通じて生涯にわたる自己埋め込み学習を可能にするフレームワークとしてのそれらの有効性を提案する。潜在表現、神経記号的統合、行動の出現といった主要な課題を特定し、真の認知的発達を実現するための脳にインspiredされたアーキテクチャの導入を提唱する。

ABSTRACT

Creating autonomous robots that can actively explore the environment, acquire knowledge and learn skills continuously is the ultimate achievement envisioned in cognitive and developmental robotics. Their learning processes should be based on interactions with their physical and social world in the manner of human learning and cognitive development. Based on this context, in this paper, we focus on the two concepts of world models and predictive coding. Recently, world models have attracted renewed attention as a topic of considerable interest in artificial intelligence. Cognitive systems learn world models to better predict future sensory observations and optimize their policies, i.e., controllers. Alternatively, in neuroscience, predictive coding proposes that the brain continuously predicts its inputs and adapts to model its own dynamics and control behavior in its environment. Both ideas may be considered as underpinning the cognitive development of robots and humans capable of continual or lifelong learning. Although many studies have been conducted on predictive coding in cognitive robotics and neurorobotics, the relationship between world model-based approaches in AI and predictive coding in robotics has rarely been discussed. Therefore, in this paper, we clarify the definitions, relationships, and status of current research on these topics, as well as missing pieces of world models and predictive coding in conjunction with crucially related concepts such as the free-energy principle and active inference in the context of cognitive and developmental robotics. Furthermore, we outline the frontiers and challenges involved in world models and predictive coding toward the further integration of AI and robotics, as well as the creation of robots with real cognitive and developmental capabilities in the future.

研究の動機と目的

• ワールドモデル、予測コーディング、自由エネルギー原理（FEP）、アクティブインファレンスの定義とそれらの関係を、認知的・発達的ロボティクスの文脈で明確化すること。
• 現在のワールドモデルおよび予測コーディング手法におけるロボティクス分野における重要な研究ギャップを特定すること。
• これらのフレームワークが、身体的・センサモータリ・インタラクションを通じて継続的かつ生涯にわたる学習をどのように支援できるかを検討すること。
• 高次元のセンサリ入力、離散的および連続的行動、社会的相互作用を、認知アーキテクチャに統合する方法を検討すること。
• 行動の出現、データ効率性、脳にインスパイアされた設計といった、人工汎用知能の実現に向けた根本的課題に取り組むこと。

提案手法

• 本論文は、AIおよびロボティクス分野におけるワールドモデルと予測コーディングの包括的サーベイを実施し、理論的および実証的基盤に焦点を当てる。
• ワールドモデル、予測コーディング、FEP、アクティブインファレンスの間の概念的関係をマッピングし、予測と誤差最小化という共通のメカニズムに注目する。
• 内部ワールドモデルを構築するために用いられる、深層生成モデル、オートエンコーダー、再帰的ネットワークの最先端のアプローチを分析する。
• 動的環境におけるデータ効率性、行動計画、適応性の観点から、現在のロボット実装を評価する。
• 認知的発達を促進するために、神経記号的表現とアフォーダンス認識を統合するフレームワークを提唱する。
• 予測コーディングと形態的計算、アクティブビジョンを統合した脳にインスパイアされたアーキテクチャの導入を提唱する。

実験結果

リサーチクエスチョン

• RQ1 認知的・発達的ロボティクスの文脈において、ワールドモデルと予測コーディングはどのように関係しているか？
• RQ2 ワールドモデルと予測コーディングに基づくデータ効率的で生涯にわたる学習システムを構築するうえでの主な課題は何か？
• RQ3 ワールドモデルは、身体と環境の相互作用を通じて、どのように複雑な行動の出現を支援できるか？
• RQ4 神経記号的統合とアフォーダンス認識は、発達的ロボットの認知的能力をどのように向上させられるか？
• RQ5 脳にインスパイアされたアーキテクチャと自由エネルギー原理は、真の認知的・発達的ロボットシステムの設計をどのように導けるか？

主な発見

• ロボティクスにおけるワールドモデルは、環境の客観的表現ではなく、センサモータリ経験に基づく主観的・エージェント中心のモデルであり、ウムウェルト（Umwelt）概念に類似している。
• 予測コーディングは、知覚と行動を統合するフレームワークを提供し、脳やエージェントが予測誤差を最小化することで行動の最適化とモデルの正確性を達成する。
• 現在のAI分野におけるワールドモデル手法はデータ集約的であり、人間の発達に見られるデータ効率性に欠けており、生涯学習への応用に制限を受ける。
• ワールドモデルをアクティブインファレンスおよび自由エネルギー原理と統合することで、生物学的に妥当な方法で予測、行動、誤差補正を通じた学習が可能になる。
• 受動的歩行のような行動の出現は、明示的なワールドモデルがなくても、身体と環境の相互作用から生じるため、すべての行動に内部モデルが必要であるとは限らない。
• 主なフロンティアには、神経記号的予測モデルの開発、社会的相互作用学習の可能化、継続的発達を支援する脳にインスパイアされた認知アーキテクチャの設計が含まれる。