[논문 리뷰] The homunculus for proprioception: Toward learning the representation of a humanoid robot's joint space using self-organizing maps

Filipe Gama, Matej Hoffmann|arXiv (Cornell University)|2019. 09. 05.

Robot Manipulation and Learning참고 문헌 6인용 수 4

한 줄 요약

이 논문은 자가촉각 구성에서 인간형 로봇의 관절 공간에 대한 위상적으로 정렬된 표현을 학습하기 위해 수정된 자기조직화 지도(MRF-SOM)를 제안한다. 신경 세포의 수용장역을 생물학적 운동감각 지ap의 구조를 모방하도록 제한함으로써, 모델은 관절 조합—특히 어깨-팔꿈치 및 머리 관절 군집—을 성공적으로 인코딩하면서도 공간적 관계를 유지한다. 이는 MRF-SOM이 인공 시스템에서皮질 유사 신체 표현을 시뮬레이션할 수 있음을 시사한다.

ABSTRACT

In primate brains, tactile and proprioceptive inputs are relayed to the somatosensory cortex which is known for somatotopic representations, or, "homunculi". Our research centers on understanding the mechanisms of the formation of these and more higher-level body representations (body schema) by using humanoid robots and neural networks to construct models. We specifically focus on how spatial representation of the body may be learned from somatosensory information in self-touch configurations. In this work, we target the representation of proprioceptive inputs, which we take to be joint angles in the robot. The inputs collected in different body postures serve as inputs to a Self-Organizing Map (SOM) with a 2D lattice on the output. With unrestricted, all-to-all connections, the map is not capable of representing the input space while preserving the topological relationships, because the intrinsic dimensionality of the body posture space is too large. Hence, we use a method we developed previously for tactile inputs (Hoffmann, Straka et al. 2018) called MRF-SOM, where the Maximum Receptive Field of output neurons is restricted so they only learn to represent specific parts of the input space. This is in line with the receptive fields of neurons in somatosensory areas representing proprioception that often respond to combination of few joints (e.g. wrist and elbow).

연구 동기 및 목표

• 자기조직화 지도가 인간형 로봇의 체감각 신체 표현 형성 방식을 어떻게 모델링할 수 있는지 조사하기 위해.
• 2차원 출력 격자 구조를 사용하여 고차원 관절 구성 공간에서 위상적 관계를 유지하는 데 도전하는 것.
• 정반사성 체감각 피질의 영역 3a에서 관찰되는 수용장 조직을 모방하기 위해 뉴런의 입력 커버리지 범위를 제한함으로써.
• 자기촉각 자세에서 온 운동감각 입력을 사용하여 MRF-SOM이 체감각 동역학적 인간형(소마토토픽 휠러누스) 유사 레이아웃을 생성할 수 있는지 테스트하기 위해.
• 초기 감각운동 경험을 통해 신체 스키마가 어떻게 형성될 수 있는지 모델링함으로써 인지발달로봇공학 분야에 기여하기 위해.

제안 방법

• 나오 인간형 로봇이 오른손이 얼굴에 닿는 자가촉각 구성 3,216건을 수집하였으며, 이때 7개의 관절 각도를 기록: 머리 요동, 머리 기울임, 어깨 굴절, 어깨 기울임, 팔꿈치 굴절, 팔꿈치 요동, 손목.
• 맨하탄 거리 기반의 뉴런 근접도를 사용한 4×4 육각 격자 SOM을 사용하였으며, 초기 가중치와 위치는 무작위로 설정하였다.
• MRF-SOM 변종은 각 출력 뉴런의 수용장역을 특정 관절 조합으로 제한하여 전체 입력 공간 커버리지가 되지 않도록 하였으며, 생물학적 제약을 모방하였다.
• 수용장역은 부분적으로 겹치도록 설계되었으며, 네 개의 군집으로 구성: 머리, 어깨-팔꿈치, 손목, 모든 관절을 포함하는 통합 군집.
• 입력 관절과 출력 뉴런 간의 가중치 행렬을 학습하였으며, 이를 히트맵으로 시각화하여 관절 선호도 및 인코딩 패턴을 평가하였다.
• 뉴런 간의 거리 척도를 분석하여 위상적 보존성과 관련 관절의 군집화 정도를 평가하였다.

실험 결과

연구 질문

• RQ1 제한된 수용장역을 가진 자기조직화 지도(MRF-SOM)가 자가촉각 데이터로부터 인간형 로봇의 관절 공간에 대해 위상적으로 의미 있는 표현을 학습할 수 있는가?
• RQ2 입력 공간에서의 관절 간 공간적 관계가 2차원 출력 맵에서 군집화 및 근접성 측면에서 어떻게 나타나는가?
• RQ3 MRF-SOM의 개별 뉴런이 단일 관절을 인코딩하는지 또는 다수의 관절 조합을 인코딩하는지, 그리고 이는 생물학적 수용장역과 비교해 얼마나 유사한가?
• RQ4 MRF-SOM 아키텍처가 영장류 체감각 피질의 특히 영역 3a의 체감각 동역학적 조직과 유사한 레이아웃을 생성하는가?
• RQ5 결과로 도출된 맵이 감각운동 경험을 통해 공간적 신체 표현 형성에 기여할 수 있는가?

주요 결과

• 어깨-팔꿈치 군집의 뉴런들은 어깨와 팔꿈치 관절 조합에 강한 선호도를 보였으며, 둘 다 높은 가중치 값을 가지며 관절 통합을 나타냈다.
• 머리 관절 군집은 뉴런 간 거리가 가장 짧았으며, 데이터셋 내에서 높은 상관성과 기능적 동시 활성화를 시사했다.
• 손목 관절은 그 군집 내 두 뉴런에 의해 인코딩되었으며, 한 뉴런은 억제성(음수) 가중치를 보이며 선택적 억제 가능성의 징후를 보였다.
• 다양한 신체 부위에 걸쳐 겹치는 수용장역을 가진 뉴런들은 자신의 수용장역 내에서 모든 관절의 조합을 인코딩하였으며, 특정 관절이나 신체 부위에 대한 선호도가 없었다.
• 어깨-팔꿈치 군집은 머리나 손목 군집보다 팔꿈치 군집에 더 가까이 위치해 있어 기능적 및 운동학적 상호의존성을 반영하고 있었다.
• 전반적인 맵 레이아웃은 고차원 관절 구성 공간에서 위상적 관계를 부분적으로 보존할 수 있음을 시사하며, 출력 차원이 제한되어 있음에도 불구하고 성립한다.