[논문 리뷰] Affordances in Robotic Tasks -- A Survey

Paola Ardón, Èric Pairet외 3명|arXiv (Cornell University)|2020. 04. 15.

Robot Manipulation and Learning참고 문헌 106인용 수 23

한 줄 요약

이 종합 검토는 사전 지식 수준을 기반으로 로봇 공학에서의 가능성 표현을 지식 기반으로 분류하며, 대상 물체, 행동 및 영향이 어떻게 연결되어 있는지 분석한다. 표준화, 벤치마크 및 연구 초점의 격차를 특정하며, 특히 다단계 계획 및 촉각/운동 감각에 대한 연구 부족을 지적하고, 성능 평가를 위해 인간 행동 유사도 측정 기준을 제안한다.

ABSTRACT

Affordances are key attributes of what must be perceived by an autonomous robotic agent in order to effectively interact with novel objects. Historically, the concept derives from the literature in psychology and cognitive science, where affordances are discussed in a way that makes it hard for the definition to be directly transferred to computational specifications useful for robots. This review article is focused specifically on robotics, so we discuss the related literature from this perspective. In this survey, we classify the literature and try to find common ground amongst different approaches with a view to application in robotics. We propose a categorisation based on the level of prior knowledge that is assumed to build the relationship among different affordance components that matter for a particular robotic task. We also identify areas for future improvement and discuss possible directions that are likely to be fruitful in terms of impact on robotics practice.

연구 동기 및 목표

• 로봇 공학 분야에서 '가능성'이라는 용어의 모호성을 해결하기 위해 사전 지식 수준을 기반으로 통합된 분류 체계를 제안하는 것.
• 대상 물체-행동-영향 관계와 일반화 능력을 관점에서 기존의 로봇 가능성 접근 방식을 분석하는 것.
• 다단계 행동 예측, 운동 감지 교육, 촉각 감지 등 연구가 부족한 분야를 특정하는 것.
• 표준화된 데이터셋과 평가 측정 기준의 부족이 로봇 응용 분야의 발전을 저해하는 주요 장벽임을 강조하는 것.
• 인간 행동 유사도 측정 기준(예: 하우스도르프 거리, 쿨백-라이블러 발산)을 통해 인간 행동과 비교해 성능을 평가할 것을 주장하는 것.

제안 방법

• 사전 지식 수준에 따라 목표 물체, 행동 및 영향을 연결하는 데 사용되는 가능성 표현 방법을 분류하는 것.
• 데이터 수집 방법에 따라 접근 방식을 분류: 시연, 탐색, 히우리스틱, 또는 오프라인 데이터로부터 학습하는 방식.
• 시각, 촉각, 체위 감각, 운동 감각 등의 감각 모odalities와 결정론적 대비 확률론적 표현 유형 간의 방법론을 맵핑하는 것.
• 시각적 인구 지도도(그림 13)를 활용해 가능성 구성 요소 간의 사용 빈도를 시각화하고, 연구가 미흡한 영역을 부각하는 것.
• 로봇 행동을 인간 기준 행동과 비교하기 위해 하우스도르프 거리 및 쿨백-라이블러 발산과 같은 평가 측정 기준을 제안하는 것.
• 로봇 공학, 인지 과학, 인공지능 분야의 125편 이상의 논문을 검토하여 가능성 모델링 분야의 추세, 한계 및 연구 격차를 규명하는 것.

실험 결과

연구 질문

• RQ1 로봇 공학에서의 가능성 표현은 어떤 사전 지식 수준을 기반으로 체계적으로 분류될 수 있는가?
• RQ2 현재의 가능성 학습 접근 방식에서 지배적인 감각 모달리티와 데이터 수집 방법은 무엇인가?
• RQ3 왜 가능성 기반 로봇 작업을 위한 데이터셋과 평가 측정 기준이 표준화되어 있지 않은가?
• RQ4 다단계 행동, 운동 궤적, 촉각 감지 등 어떤 가능성 구성 요소가 중요함에도 불구하고 여전히 연구가 부족한가?
• RQ5 인간 행동 유사도 측정 기준은 로봇 가능성 성능 평가의 향상에 어느 정도 기여할 수 있는가?

주요 결과

• 다수의 가능성 연구는 시각적 인식과 이미지 기반 레이블을 사용하여 원시 행동(예: 밀기, 들어 올리기)을 중심으로 결정론적 모델링을 적용한다.
• 검토된 논문의 10퍼센트 미만이 운동 감지 교육이나 촉각 감지를 가능성 학습에 통합하고 있으나, 이는 높은 신뢰성과 강건성 잠재력에도 불구하고 부족한 연구 영역이다.
• 다단계 행동 예측 및 운동 궤적 학습은 심각하게 연구가 부족하여 주요 연구 격차로 나타나고 있다.
• 평가 측정 기준에 대한 합의가 없으며, 벤치마크 데이터셋 부족과 표준화된 성능 비교의 부재로 인해 분야 발전에 장애가 있다.
• 하우스도르프 거리 및 쿨백-라이블러 발산과 같은 인간 행동 유사도 측정 기준의 사용은 더 의미 있는 평가를 위한 유망한 길로 제안된다.
• 학습 기반 및 모방 기반 방법의 진전에도 불구하고, 정의의 일관성 부족과 공동체 수준의 표준 부재로 인해 분야가 산산이 흩어져 있다.