[논문 리뷰] Grounding Perception: A Developmental Approach to Sensorimotor Contingencies

Alban Laflaquière, Nikolas Hemion외 2명|arXiv (Cornell University)|2018. 10. 03.

Child and Animal Learning Development인용 수 5

한 줄 요약

이 논문은 예측 모델링을 통한 감각운동 전이의 예측을 통해 난이도가 낮은 로봇이 자율적으로 감각운동 조건을 학습할 수 있는 발달 로봇 공학 프레임워크를 제안한다. 무작위 탐색에서 유도된 상태 전이 그래프를 군집화함으로써, 로봇은 시각 분야 이동과 같은 구조적이고 예측 가능한 패턴—예를 들어, 사카드 시의 시각 분야 이동이나 물체 경계에 대한 불변성—을 발견하게 되어, 사전 세계 지식 없이도 기반을 두고 있는 인식이 가능해진다.

ABSTRACT

Sensorimotor contingency theory offers a promising account of the nature of perception, a topic rarely addressed in the robotics community. We propose a developmental framework to address the problem of the autonomous acquisition of sensorimotor contingencies by a naive robot. While exploring the world, the robot internally encodes contingencies as predictive models that capture the structure they imply in its sensorimotor experience. Three preliminary applications are presented to illustrate our approach to the acquisition of perceptive abilities: discovering the environment, discovering objects, and discovering a visual field.

연구 동기 및 목표

• 로봇 공학에서 '인식이란 무엇인가'라는 근본적인 질문을 해결하기 위해 수작업으로 설계된 기능 추출 방식을 넘어서는 것.
• 난이도가 낮은 로봇이 점진적 경험 기반 학습을 통해 자율적으로 인지 능력을 습득할 수 있도록 하는 것.
• 발달 원칙에 기반하여 감각운동 조건을 감각운동 경험에서 유도된 예측 모델로 형식화하는 것.
• 환경 탐색, 물체 탐지, 시각 분야의 구조 등 다양한 인지 기술을 하나의 계산 프레임워크로 통합하는 것.
• 계층적 추상화와 향후 내재적 동기 부여 통합을 지원하는 일반적이고 확장 가능한 감각운동 조건 학습 메커니즘 개발

제안 방법

• 모터 명령이 감각 입력의 변화를 예측할 수 있도록 감각운동 전이의 통계적 구조를 포착하기 위해 예측 모델링을 사용한다.
• 안정적인 감각운동 조건을 나타내는 밀도가 높은 하위그래프를 식별하기 위해 상태 전이 그래프에 군집 분석을 적용한다.
• 사전에 태스크에 특화된 편향이 없도록 다양한 감각운동 경험을 생성하기 위해 무작위 탐색 정책을 사용한다.
• 감각운동 전이를 조건부 확률 $ P(X^{b}_{l} | abla M_{q}, X^{a}_{k}) $ 로 모델링하며, 여기서 $ X^{a}_{k} $ 와 $ X^{b}_{l} $ 는 감각 상태이고 $ abla M_{q} $ 는 모터 명령이다.
• 사카드 동안 일관된 감각 이동이나 경계에 대한 자기 예측과 같은 예측 가능한 전이를 식별하여 학습된 조건을 증거로 삼는다.
• 전이 확률의 행렬 시각화를 통해 감각운동 데이터의 구조적 패턴을 탐지하고 해석한다.

실험 결과

연구 질문

• RQ1 환경에 대한 사전 지식 없이 로봇이 자율적으로 감각운동 조건을 발견할 수 있는가?
• RQ2 어떤 계산적 메커니즘이 원시 감각운동 경험에서 점진적으로 인지 능력을 습득하는 데 기여하는가?
• RQ3 예측 모델링이 감각운동 전이가 암시하는 구조를 어떻게 포착하여 기반을 두고 있는 인식을 지원하는가?
• RQ4 단일이고 일반적인 프레임워크로 시각 분야의 구조, 물체 경계, 환경 레이아웃 등의 다양한 인지 현상을 통합적으로 발견할 수 있는가?
• RQ5 감각운동 조건 학습이 발달 로봇 공학 맥락에서 계층적이고 추상적인 표현의 출현을 어떻게 지원하는가?

주요 결과

• 로봇은 전이 행렬 $ T $ 에서 빨간색 대각선 패턴으로 시각화된, 시각 분야의 사카드 이동에 해당하는 예측 가능한 감각운동 전이를 성공적으로 식별하였다.
• 모터 명령이 경계의 방향과 일치할 경우, 경계를 나타내는 상태에서 높은 확률의 자기 전이가 관찰되어 불변성 구조를 탐지한 것으로 나타났다.
• 흰색 잡음이 섞인 무작위 환경에서는 사카드 관련 전이만 예측 가능했으며, 이는 환경에 기반한 조건이 모델의 산물이 아니라는 것을 확인하였다.
• 이 프레임워크는 동일한 핵심 메커니즘을 사용하여 환경 레이아웃, 물체 경계, 시각 분야의 구조 등 여러 가지 다른 인지 현상을 발견하는 데 성공하였다.
• 예측 모델링 접근법은 사전 지도 없이도 감각운동 데이터의 구조적 규칙성을 포착하였다.
• 학습된 조건은 고차원 감각운동 추상화의 기초가 될 수 있으므로, 이 방법은 계층적 표현의 출현을 지원한다.