[논문 리뷰] Active inference body perception and action for humanoid robots

Guillermo Oliver, Pablo Lanillos외 1명|arXiv (Cornell University)|2019. 06. 07.

Embodied and Extended Cognition참고 문헌 30인용 수 28

한 줄 요약

이 논문은 시각적 및 프로 prioceptive 감각 입력 간 예측 오차를 최소화하기 위해 자유 에너지 원리를 사용하는 활동적 추론 신체 인지 및 행동 모델을 실제 인간형 로봇(iCub)에 최초로 구현한다. 이 모델은 센서 노이즈와 모델 부정확성 상황에서도 적응형이고 폐쇄형 루프의 접근과 머리 추적 기능을 제공하며, 전통적인 역운동역학보다 정확도와 내성적 특성에서 뛰어나면서도 계산 비용은 낮게 유지한다.

ABSTRACT

Providing artificial agents with the same computational models of biological systems is a way to understand how intelligent behaviours may emerge. We present an active inference body perception and action model working for the first time in a humanoid robot. The model relies on the free energy principle proposed for the brain, where both perception and action goal is to minimise the prediction error through gradient descent on the variational free energy bound. The body state (latent variable) is inferred by minimising the difference between the observed (visual and proprioceptive) sensor values and the predicted ones. Simultaneously, the action makes sensory data sampling to better correspond to the prediction made by the inner model. We formalised and implemented the algorithm on the iCub robot and tested in 2D and 3D visual spaces for online adaptation to visual changes, sensory noise and discrepancies between the model and the real robot. We also compared our approach with classical inverse kinematics in a reaching task, analysing the suitability of such a neuroscience-inspired approach for real-world interaction. The algorithm gave the robot adaptive body perception and upper body reaching with head object tracking (toddler-like), and was able to incorporate visual features online (in a closed-loop manner) without increasing the computational complexity. Moreover, our model predicted involuntary actions in the presence of sensorimotor conflicts showing the path for a potential proof of active inference in humans.

연구 동기 및 목표

• 실시간 신체 인지 및 행동을 위한 신경과학 기반 활동적 추론 프레임워크를 인간형 로봇에 구현하기 위해.
• 이론적 자유 에너지 원리와 물리적 로봇공학 간 격차를 해소하기 위해 iCub 로봇에서 모델을 검증하기 위해.
• 감각 노이즈와 모델-액추에이터 불일치 상황에서도 계산 복잡도를 낮게 유지하면서도 적응형 폐쇄형 감각 융합을 구현하기 위해.
• 실세계의 접근 작업에서 활동적 추론 접근법을 전통적인 역운동역학과 비교하기 위해.
• 고무손 환각과 같은 감각운동 갈등 상황에서 관찰되는 비의도적 운동 반응을 모델링하는 데에 활동적 추론의 잠재력을 탐색하기 위해.

제안 방법

• 모델는 관측된 감각 입력과 예측된 감각 입력 간 예측 오차를 줄임으로써 잠재적 신체 상태(예: 관절 각도)를 추론하기 위해 변분 자유 에너지 최소화를 사용한다.
• 감각 인식은 변분 자유 에너지 경계에 대한 기울기 하강을 통해 업데이트되며, 베이지안 유사 추론 과정에서 시각적 신호와 프로 prioceptive 신호를 통합한다.
• 행동는 예측 오차에 대한 반사적 반응으로 생성되며, 감각의 놀라움을 줄이기 위해 동일한 자유 에너지 기능을 최적화하여 계산된다.
• 알고리즘은 동작 계산을 단순화하고 실시간 성능를 보장하기 위해 속도 제어 및 시간 이산화된 프레임워크에서 구현된다.
• 감각 예측을 위한 생성 모델은 정방향 운동역학에서 유도되며, 계산 부담을 증가시키지 않고도 온라인 적응이 가능하다.
• 자유 에너지 합산에 새로운 감각 항목을 추가함으로써 모odalit이 무관한 확장이 가능하며, 민첩한 감각 융합을 가능하게 한다.

실험 결과

연구 질문

• RQ1 자유 에너지 원리에 기반한 활동적 추론은 실제 인간형 로봇에서 강건하고 적응형의 신체 인지 및 행동을 가능하게 할 수 있는가?
• RQ2 로봇 모델과 실제 신체 역학 간의 불일치 및 높은 감각 노이즈 상황에서 이 모델은 어떻게 성능을 발휘하는가?
• RQ3 활동적 추론 프레임워크는 접근 정확도와 적응성 면에서 전통적인 역운동역학을 능가할 수 있는가?
• RQ4 감각운동 갈등 상황(예: 고무손 환각)에서 이 모델은 비의도적 운동 반응을 예측할 수 있는가?
• RQ5 계산 복잡도를 증가시키지 않고도 감각 특징을 폐쇄형 루프 방식으로 실시간으로 통합할 수 있는가?

주요 결과

• 활동적 추론 모델은 실시간 조건 하에서 시각 공간 2D 및 3D 환경에서 iCub 로봇이 적응형 상부 신체 접근 및 목표 물체 머리 추적 작업을 수행할 수 있도록 했다.
• 알고리즘은 특히 감각 노이즈와 모델 불일치 상황에서 전통적인 역운동역학보다 높은 접근 정확도를 달성했다.
• 폐쇄형 루프 방식으로 새로운 시각적 특징을 통합함에도 불구하고 계산 복잡도가 일정하게 유지되었다.
• 감각운동 갈등 상황에서 시각 자극 쪽으로 비의도적 움직임이 관찰되었으며, 이는 고무손 환각의 예측과 일치했다.
• 예측 오차가 최소화되었을 때 평형점(예: 손-객체 접촉)으로 수렴하는 것이 관찰되어 안정적이고 목표 지향적인 행동을 나타냈다.
• 자유 에너지 최적화를 통해 내부 모델과 실제 관측 간 격차를 성공적으로 줄였으며, 불확실성과 모델 편향에 대한 강건성을 입증했다.