[논문 리뷰] Memory-Centred Cognitive Architectures for Robots Interacting Socially with Humans

Paul Baxter|arXiv (Cornell University)|2016. 02. 18.

Language, Metaphor, and Cognition참고 문헌 14인용 수 3

한 줄 요약

이 논문은 사회적 로봇을 위한 기억 중심의 인지 아키텍처를 제안하며, 연상 기억 네트워크를 인지의 활성 기반으로 삼아 경험 기반 학습을 통해 예측, 프라밍, 다중 모odal 정렬을 가능하게 한다. 이 접근법은 경험 기반의 동적 프라밍을 통해 사회적 상호의존성과 모방을 통합함으로써 인간-로봇 상호작용의 조건적이고 공적응적인 특성을 지원한다.

ABSTRACT

The Memory-Centred Cognition perspective places an active association substrate at the heart of cognition, rather than as a passive adjunct. Consequently, it places prediction and priming on the basis of prior experience to be inherent and fundamental aspects of processing. Social interaction is taken here to minimally require contingent and co-adaptive behaviours from the interacting parties. In this contribution, I seek to show how the memory-centred cognition approach to cognitive architectures can provide an means of addressing these functions. A number of example implementations are briefly reviewed, particularly focusing on multi-modal alignment as a function of experience-based priming. While there is further refinement required to the theory, and implementations based thereon, this approach provides an interesting alternative perspective on the foundations of cognitive architectures to support robots engage in social interactions with humans.

연구 동기 및 목표

• 기존의 상징적 인지 아키텍처가 기억을 수동적 저장소로 간주하는 한계를 해결하기 위해, 기억을 중심으로 하는 능동적 접근을 인지에 도입하는 것.
• 경험 기반 프라밍을 통해 사회적 상호의존성, 예측, 공적응성을 통합함으로써 로봇의 사회적 상호작용을 가능하게 하는 것.
• 다중 모달 정렬과 교차 모달 예측을 지원하는 인지 아키텍처를 개발하여 인간-로봇 사회적 상호작용에 필수적인 요소를 확보하는 것.
• 개발적 학습을 인지 아키텍처에 통합하여, 몸으로 경험한 정보를 바탕으로 연상 네트워크를 형성하고 갱신할 수 있도록 하는 것.
• 생물학적으로 타당하면서도 실제 사회적 상호작용에서 기능적으로 효과적인 인지 아키텍처에 대한 이론적 및 실용적 기반을 제공하는 것.

제안 방법

• 분산 연상 피질 네트워크를 기반으로 한 네트워크 메모리 프레임워크를 활용하여 저장된 경험의 동적 활성화 및 재활성화를 지원한다.
• 헤비안 유사 학습을 적용하여 상호작용 중 감각, 운동 및 맥락적 입력 간의 연관성을 형성하고 강화한다.
• 프라밍을 核심 메커니즘으로 활용: 부분적인 감각 입력이 연상 네트워크를 따라 흐름을 유도하며, 인지 및 행동을 예측하고 편향시킨다.
• 가중치가 부여된 연상 연결에 저장된 이전 경험을 활용하여 교차 모달 통합과 예측을 실현한다.
• 지속적인 상호작용을 통해 개발적 학습을 지원하여, 로봇이 시간이 지남에 따라 인지 구조를 구축하고 정교화할 수 있도록 한다.
• 기억 구조를 통해 고수준 인지와 저수준 감각-운동 처리를 연결함으로써 상징적 요소와 비상징적 요소를 통합한다.

실험 결과

연구 질문

• RQ1 기억을 수동적 저장소가 아닌 능동적 인지 기반으로 재구성할 수 있는가?
• RQ2 로봇이 실시간으로 인간의 사회적 신호를 예측하고 공적응할 수 있는 인지 아키텍처는 무엇인가?
• RQ3 경험 기반 프라밍을 통해 인간-로봇 상호작용에서 다중 모달 정렬은 어떻게 발생하는가?
• RQ4 개발적 학습은 사회적 인지의 기초가 되는 연상 네트워크 형성에 어떤 역할을 하는가?
• RQ5 기억 중심 아키텍처는 장기적인 사회적 상호작용에서 적응성과 안정성을 어떻게 균형 잡는가?

주요 결과

• 기억 중심의 인지 접근은 경험 기반의 핵심 과정인 예측과 프라밍을 가능하게 하여, 로봇 행동에서 사회적 상호의존성의 기초를 형성한다.
• 다중 모달 정렬은 프라밍을 통해 자연스럽게 발생하며, 부분적인 감각 입력이 다양한 모달 간 관련 표현을 활성화한다.
• 지속적인 경험 기반 학습을 통해 저수준의 감각-운동 조율과 고수준의 개념 습득이 모두 가능해진다.
• 프라밍은 교차 모달 기대 형성에 기여하여, 부분적인 입력을 바탕으로 부재한 자극을 예측할 수 있도록 하며, 이는 사회적 반응성에 필수적이다.
• 이 접근은 몸으로 경험한 것, 인지, 사회적 상호작용을 통합하는 일관된 이론적 프레임워크를 제공하지만, 실현 구현은 아직 완료되지 않았다.
• 계층적 구조와 시간 처리 능력의 한계가 존재하지만, 기억 중심 인지의 핵심 원리는 사회적 로봇 분야에서 상징적 아키텍처에 대한 실현 가능한 대안을 제공한다.