[논문 리뷰] Robot self/other distinction: active inference meets neural networks learning in a mirror

Pablo Lanillos, Jordi Pagès외 1명|arXiv (Cornell University)|2020. 04. 11.

Action Observation and SynchronizationPsychology참고 문헌 34인용 수 19

한 줄 요약

이 논문은 신경망 기반 알고리즘을 제안하여 로봇이 활동적 추론과 자유 에너지 최소화를 통해 자신의 행동과 타인의 행동을 구별할 수 있도록 한다. 자극-운동 조건을 학습함으로써 시각적/신체 상태 변화와 연관지어 자기 인식에 대한 증거를 축적하며, 외관적 단서에 의존하지 않고 거울에서 다양한 조건에서도 견고한 자기/타인 구별을 달성한다.

ABSTRACT

Self/other distinction and self-recognition are important skills for interacting with the world, as it allows humans to differentiate own actions from others and be self-aware. However, only a selected group of animals, mainly high order mammals such as humans, has passed the mirror test, a behavioural experiment proposed to assess self-recognition abilities. In this paper, we describe self-recognition as a process that is built on top of body perception unconscious mechanisms. We present an algorithm that enables a robot to perform non-appearance self-recognition on a mirror and distinguish its simple actions from other entities, by answering the following question: am I generating these sensations? The algorithm combines active inference, a theoretical model of perception and action in the brain, with neural network learning. The robot learns the relation between its actions and its body with the effect produced in the visual field and its body sensors. The prediction error generated between the models and the real observations during the interaction is used to infer the body configuration through free energy minimization and to accumulate evidence for recognizing its body. Experimental results on a humanoid robot show the reliability of the algorithm for different initial conditions, such as mirror recognition in any perspective, robot-robot distinction and human-robot differentiation.

연구 동기 및 목표

• 자극-운동 학습과 활동적 추론을 이용하여 외관적 단서 없이 거울에서 자기 인식을 수행할 수 있도록 로봇을 설계하는 것.
• 시각적 및 운동감각 단서가 부분적이거나 모호한 실세계의 동적 상황에서 자기/타인 구별 문제를 해결하는 것.
• 고도의 인지적 인식이 아닌 무의식적 신체 인식 메커니즘에 자기 인식을 기반화하는 것.
• 사전 정의된 신체 분할 또는 외관 모델에 의존하지 않는 확장 가능하고 생물학적으로 타당한 프레임워크를 개발하는 것.
• 다양한 거울 시점, 로봇-로봇 상호작용 및 인간-로봇 상호작용 시나리오에서의 견고성을 입증하는 것.

제안 방법

• 로봇은 신경망을 사용하여 자신의 운동 명령이 예상하는 시각적 및 운동감각 결과로의 전방 모델을 학습한다.
• 예측된 감각 상태와 실제 감각 상태 간의 예측 오차를 계산하고, 자유 에너지 최적화를 통해 이를 최소화함으로써 신체 구성을 추론한다.
• 확률 모델이 자기 행동이 발생했을 경우 감각 데이터의 주변 가능도를 계산하여 자기 인식에 대한 증거를 축적한다.
• 이중 비교자 모델은 예측 오차(첫 번째 비교자)와 시공간적 조건부 관계(두 번째 비교자)를 통합하여 자기/타인 구별을 향상시킨다.
• 자극-운동 불확실성을 명시적으로 모델링하여 부분적 또는 노이즈가 있는 관찰 조건에서도 견고한 추론이 가능하도록 한다.
• 변분 추론을 사용하여 베이지안 모델 증거를 근사함으로써 온라인 학습과 실시간 자기 인식을 가능하게 한다.

실험 결과

연구 질문

• RQ1 로봇이 외관적 단서 없이 비디오 감각 단서만을 사용하여 거울에서 자신의 행동과 타인의 행동을 구별할 수 있는가?
• RQ2 활동적 추론과 자유 에너지 최소화는 자기 인식을 위한 자극-운동 모델을 학습하고 갱신하는 데 어떻게 활용될 수 있는가?
• RQ3 외관적 단서나 사전 분할된 신체 부위에 의존하지 않고 자극-운동 조건부 관계 학습을 통해 자기/타인 구별이 어느 정도 가능해지는가?
• RQ4 제안된 모델은 다양한 거울 시점과 동적 상호작용 상황에서도 견고성을 유지할 수 있는가?
• RQ5 예측 오차와 시공간적 조건부 관계의 통합은 단일 메커니즘 접근법에 비해 자기 인식의 신뢰성을 어떻게 향상시키는가?

주요 결과

• 외관이 유사한 인간이나 다른 로봇의 행동과 비교하여, 로봇은 거울 실험에서 자신의 행동을 성공적으로 구별하였다.
• 자기 행동에 의해 유도된 낮은 예측 오차는 자기 인식에 대한 높은 신뢰도를 가져왔고, 높은 오차는 자기 식별 가능성 확률을 감소시켰다.
• 다양한 초기 거울 시점과 동적 상호작용 조건에서 알고리즘이 견고함을 보였다.
• 주변 가능도 계산을 통해 시간적 증거를 축적함으로써, 명시적 외관 매칭이 필요 없이 신뢰할 수 있는 자기 인식이 가능했다.
• 의외의 부작용으로, 로봇의 손이 거울에서 관찰되었을 때 반사 유사 행동이 나타나, 추론을 통한 모방 경향이 나타났다.
• 복잡한 시각 분할이나 신체 형태에 대한 사전 지식 없이도, 행동-효과 조건부 관계에 의존하여 자기/타인 구별이 가능했다.