[논문 리뷰] World Models and Predictive Coding for Cognitive and Developmental Robotics: Frontiers and Challenges

Tadahiro Taniguchi, Shingo Murata외 9명|arXiv (Cornell University)|2023. 01. 14.

Computability, Logic, AI Algorithms인용 수 6

한 줄 요약

이 종합 논문은 인지 및 발달 로봇공학 분야에서 월드 모델과 예측 코딩을 통합하여, 감각운동 상호작용을 통해 수명 주기 동안의 몸에 달라붙은 학습을 가능하게 하는 프레임워크를 제안한다. 잠재 표현, 신경-기호 통합, 행동의 기원과 같은 핵심 과제를 규명하며, 진정으로 인지적 발달을 달성하기 위해 뇌에 영감을 받은 아키텍처를 권장한다.

ABSTRACT

Creating autonomous robots that can actively explore the environment, acquire knowledge and learn skills continuously is the ultimate achievement envisioned in cognitive and developmental robotics. Their learning processes should be based on interactions with their physical and social world in the manner of human learning and cognitive development. Based on this context, in this paper, we focus on the two concepts of world models and predictive coding. Recently, world models have attracted renewed attention as a topic of considerable interest in artificial intelligence. Cognitive systems learn world models to better predict future sensory observations and optimize their policies, i.e., controllers. Alternatively, in neuroscience, predictive coding proposes that the brain continuously predicts its inputs and adapts to model its own dynamics and control behavior in its environment. Both ideas may be considered as underpinning the cognitive development of robots and humans capable of continual or lifelong learning. Although many studies have been conducted on predictive coding in cognitive robotics and neurorobotics, the relationship between world model-based approaches in AI and predictive coding in robotics has rarely been discussed. Therefore, in this paper, we clarify the definitions, relationships, and status of current research on these topics, as well as missing pieces of world models and predictive coding in conjunction with crucially related concepts such as the free-energy principle and active inference in the context of cognitive and developmental robotics. Furthermore, we outline the frontiers and challenges involved in world models and predictive coding toward the further integration of AI and robotics, as well as the creation of robots with real cognitive and developmental capabilities in the future.

연구 동기 및 목표

• 월드 모델, 예측 코딩, 자유 에너지 원리(FEP), 그리고 능동 추론 간의 정의와 관계를 인지 및 발달 로봇공학 분야에서 명확히 하기.
• 로봇공학 분야에서 현재의 월드 모델 및 예측 코딩 접근법에 대한 핵심 연구 격차를 규명하기.
• 이 프레임워크가 감각운동 상호작용을 통해 지속적이고 수명 주기적인 학습을 어떻게 지원할 수 있는지 탐색하기.
• 인지 아키텍처에서 고차원적 감각 입력, 이산적 및 연속적 행동, 사회적 상호작용을 어떻게 통합할 수 있는지 검토하기.
• 행동의 기원, 데이터 효율성, 뇌에 영감을 받은 설계와 같은 인공 일반 지능을 위한 기본 과제 해결하기.

제안 방법

• 논문은 월드 모델과 예측 코딩의 이론적 및 실험적 기초에 중점을 두고, 인공지능 및 로봇공학 분야에서 이들의 종합적 조사를 수행한다.
• 월드 모델, 예측 코딩, FEP, 능동 추론 간의 개념적 관계를 맵핑하며, 예측과 오차 최소화라는 공통 메커니즘을 강조한다.
• 내부 월드 모델을 구축하는 데 사용되는 딥 생성 모델, 오토에인커, 순환 신경망의 최신 접근법을 분석한다.
• 다이나믹 환경에서의 데이터 효율성, 행동 계획, 적응 가능성 측면에서 현재의 로봇 구현 사례를 평가한다.
• 인지 발달을 향상시키기 위해 신경-기호 표현과 가능성 인식을 통합하는 프레임워크를 제안한다.
• 예측 코딩과 형태학적 계산, 능동적 인식을 결합한 뇌에 영감을 받은 아키텍처의 도입을 주장한다.

실험 결과

연구 질문

• RQ1 인지 및 발달 로봇공학의 맥락에서 월드 모델과 예측 코딩은 어떻게 상호 관련되어 있는가?
• RQ2 월드 모델과 예측 코딩 기반의 데이터 효율적이고 수명 주기적인 학습 시스템을 구축할 때의 핵심 과제는 무엇인가?
• RQ3 월드 모델은 신체-환경 상호작용을 통해 어떻게 복잡한 행동의 기원을 지원할 수 있는가?
• RQ4 신경-기호 통합과 가능성 인식은 발달 로봇의 인지 능력을 어떻게 향상시킬 수 있는가?
• RQ5 뇌에 영감을 받은 아키텍처와 자유 에너지 원리는 진정으로 인지적이고 발달적인 로봇 시스템 설계를 어떻게 이끌 수 있는가?

주요 결과

• 로봇공학에서의 월드 모델은 환경의 객관적 표현이 아니라 감각운동 경험에서 유도된 주관적이고 에이전트 중심의 모델이며, 우미벨트 개념과 유사하다.
• 예측 코딩은 인지와 행동을 통합하는 프레임워크를 제공하며, 뇌 또는 에이전트가 행동 최적화와 모델 정확도 향상을 위해 예측 오차를 최소화한다.
• 현재의 인공지능 분야에서의 월드 모델 접근법은 데이터 소비가 크며 인간 발달에서 볼 수 있는 데이터 효율성에 뒤져 있어, 수명 주기 학습에의 적용 가능성을 제한한다.
• 월드 모델을 능동 추론과 자유 에너지 원리와 통합함으로써, 생물학적으로 타당한 방식으로 예측, 행동, 오차 보정을 통해 로봇이 학습할 수 있다.
• 예를 들어 수동 보행과 같은 행동의 기원은 명시적인 월드 모델 없이도 신체-환경 상호작용에서 유도되며, 모든 행동에 내부 모델이 필수적이라는 개념에 도전한다.
• 핵심 최전선으로는 신경-기호 예측 모델 개발, 사회적 상호작용 학습 지원, 지속적인 발달을 지원하는 뇌에 영감을 받은 인지 아키텍처 설계가 있다.