[논문 리뷰] Learning Grid-like Units with Vector Representation of Self-Position and Matrix Representation of Self-Motion.

Ruiqi Gao, Jianwen Xie외 2명|arXiv (Cornell University)|2018. 10. 12.

Topological and Geometric Data Analysis참고 문헌 19인용 수 1

한 줄 요약

이 논문은 격자세포를 위한 벡터-행렬 표현 모델을 제안한다. 여기서 2차원 자기 위치는 고차원 벡터로 표현되고, 자기 운동은 변환 행렬로 표현된다. 벡터-행렬 곱셈, 확대된 국소 등장성, 그리고 전역 인접 커널을 통해 모델은 정육각형 피iring 패턴을 학습하고, 명시적인 기하학적 및 대수적 기반을 바탕으로 경로 통합, 오차 보정, 경로 계획을 지원한다.

ABSTRACT

This paper proposes a representational model for grid cells. In this model, the 2D self-position of the agent is represented by a high-dimensional vector, and the 2D self-motion or displacement of the agent is represented by a matrix that transforms the vector. Each component of the vector is a unit or a cell. The model consists of the following three sub-models. (1) Vector-matrix multiplication. The movement from the current position to the next position is modeled by matrix-vector multiplication, i.e., the vector of the next position is obtained by multiplying the matrix of the motion to the vector of the current position. (2) Magnified local isometry. The angle between two nearby vectors equals the Euclidean distance between the two corresponding positions multiplied by a magnifying factor. (3) Global adjacency kernel. The inner product between two vectors measures the adjacency between the two corresponding positions, which is defined by a kernel function of the Euclidean distance between the two positions. Our representational model has explicit algebra and geometry. It can learn hexagon patterns of grid cells, and it is capable of error correction, path integral and path planning.

연구 동기 및 목표

• 생물학적으로 타당한 격자세포 표현 모델을 개발하여 공간 위치와 자기 운동을 통합된 대수적 프레임워크에 통합한다.
• 경로 통합을 지원하는 연속적이고 미분 가능한 표현을 통해 격자형 피iring 패턴을 학습하는 도전 과제를 해결한다.
• 벡터와 행렬 연산에 기하관계를 통합하여 오차 보정과 경로 계획을 가능하게 한다.
• 국소 등장성과 유클리드 거리 기반 전역 인접 커널과 같은 명시적인 기하 원리를 사용하여 공간 표현을 체계화한다.

제안 방법

• 각 성분이 격자세포 활동에 해당하는 고차원 벡터로 2차원 자기 위치를 표현한다.
• 현재 위치 벡터를 다음 위치로 예측하기 위해 행렬-벡터 곱셈을 사용하여 자기 운동을 행렬로 모델링한다.
• 확대된 국소 등장성을 구현하여, 근처 벡터 간의 각도가 위치 간 스케일된 유클리드 거리에 대응하도록 보장한다.
• 위치 벡터의 내적을 사용하여 전역 인접 커널을 정의하며, 유클리드 거리의 커널 함수를 통해 공간적 인접성을 측정한다.
• 행렬 변환을 사용하여 시간에 따라 위치 추정치를 전파함으로써 경로 통합 계산을 가능하게 한다.
• 벡터 공간의 기하학적 구조를 활용하여 격자형 주기성을 암묵적으로 인코딩하고, 주행 중 오차 보정을 지원한다.

실험 결과

연구 질문

• RQ1 연속적이고 미분 가능한 연산을 통해 벡터-행렬 프레임워크가 정육각형 격자 피iring 패턴을 학습할 수 있는가?
• RQ2 고차원 벡터 공간에서 국소 기하관계(예: 근접성)는 어떻게 유지되어야 하며, 이는 공간 표현을 지원하는가?
• RQ3 모델이 시뮬레이션 주행 중 누적 오차를 보정하면서 경로 통합을 얼마나 잘 수행할 수 있는가?
• RQ4 내적을 공간 인접성 측정 수단으로 활용함으로써 모델이 경로 계획을 지원할 수 있는가?
• RQ5 모델의 대수적 및 기하학적 성질은 안정적이고 확장 가능한 공간 표현에 어떻게 기여하는가?

주요 결과

• 벡터-행렬 곱셈과 기하 제약 조건의 상호작용을 통해 모델은 정육각형 격자형 피iring 패턴을 성공적으로 학습한다.
• 확대된 국소 등장성은 근처 벡터 간의 각도 차이가 스케일된 공간 거리를 반영함으로써 국소 기하를 유지한다.
• 전역 인접 커널은 내적을 통해 공간적 근접성을 정확히 측정할 수 있게 하여 효율적인 공간 추론을 지원한다.
• 행렬 변환을 통한 위치 추정치 전파를 통해 모델은 강건한 경로 통합을 보여준다.
• 벡터 공간의 기하학적 일관성 덕분에 암묵적인 오차 보정이 이루어져 장거리 경로에서의 드리프트를 감소시킨다.
• 인접 커널 덕분에 경로 계획이 가능해지며, 이는 벡터 유사성과 공간적 근접성을 기반으로 최적의 경로를 유추할 수 있도록 한다.