연구자들이 로봇 AI에 자발적인 행동을 부여하다

연구자들과 로봇공학자들은 지속적으로 로봇에서 자율적인 기능을 달성하려고 노력하고 있으며, 종종 제어 메커니즘에 대한 영감을 얻기 위해 동물의 뇌를 바라본다. 로봇 행동의 작업별 특성으로 인해 로봇은 미리 정의된 모듈과 제어 방법론에 의존하기 때문에 유연성이 제한될 수 있다.

이 분야의 최신 개발은 도쿄 대학에서 나왔으며, 연구자들은 로봇 AI에 자발적인 행동을 부여하기 위한 대안적인 기계 학습 기반 방법을 개발했다. 이 팀은 동물의 뇌에서처럼 복잡한 시간적 패턴을 사용하여 이를 달성했다.

이 연구는 Science Advances에 발표되었으며, 제목은 “Designing spontaneous behavioral switching via chaotic itinerancy“이다.

고차원 혼돈

동적 시스템은 어떤 것의不断变化하는 내부 상태를 수학적으로 모델링한 것으로, 로봇과 그들의 제어 소프트웨어를 설명한다. 연구자들은 특히 고차원 혼돈에 관심이 많다. 고차원 혼돈은 동물의 뇌를 모델링하는 능력이 뛰어나기 때문이다.

고차원 혼돈은 복잡하고 초기 조건에 민감하기 때문에 제어하기가 특히 어렵다. 이 분야를 발전시키고 이 장애물을 극복하기 위해, 도쿄 대학의 지능형 시스템 및 정보공학 연구소와 차세대 인공지능 연구 센터의 연구자들은 로봇에 인과적으로 유사한 인지 기능을 제공하기 위해 고차원 혼돈을 사용하는 새로운 방법을 개발했다.

카츠마 이노우에(Katsuma Inoue)는 이 연구에 참여한 박사 과정 학생이다.

이노우에는 “고차원 혼돈에는 기억 회상과 연관성 동안 뇌 활동을 설명할 수 있는 혼돈적인 순회(CI)라는 측면이 있다”고 말했다. “로봇공학에서 CI는 자발적인 행동 패턴을 구현하는 데 중요한 도구였다. 이 연구에서 우리는 고차원 혼돈에 의해 생성된 복잡한 시간적 패턴을 사용하여 CI를 단순하고 체계적인 방식으로 구현하는 방법을 제안했다. 우리의 접근 방식은 인지 아키텍처를 설계할 때 더 강력하고 다재다능한 응용 프로그램에 잠재력을 가지고 있다고 생각한다. 이것은 컨트롤러에 미리 정의된 명시적 구조가 없는 상태에서 자발적인 행동을 설계할 수 있도록 한다. 이것은 우리에게 장애물이 될 수 있는 것이다.”

저수지 컴퓨팅(RC)이란 무엇인가?

팀은 동적 시스템 이론을 포함하는 기계 학습 기술인 저수지 컴퓨팅(RC)에 크게 의존했다. RC는 순환 신경망(RNN)을 제어하는 데 사용되며, RNN의 대부분의 연결을 고정된 채로 유지하면서 몇 가지 매개변수만 변경한다. 이것은 다른 기계 학습 접근 방식과 다르며, 이는 신경망의 모든 신경 연결을 조금씩 변경하는 반면, 시스템을 더 빠르게 훈련할 수 있도록 한다.

연구자들은 혼돈적인 RNN에 RC 원리를 적용했을 때 원하는 결과를 얻었으며, 이는 자발적인 행동 패턴을 보여주었다. 네트워크 훈련은 빠르고 실행 전에 발생한다.

도쿄 대학의 조교수인 코헤이 나카지마(Kohei Nakajima)는 “동물의 뇌는 활동에서 고차원 혼돈을 생성하지만, 혼돈을 어떻게 사용하는지와 왜 사용하는지는 여전히 설명되지 않았다”고 말했다. “우리의 제안된 모델은 우리의 뇌에서 정보 처리에 혼돈이 어떻게 기여하는지에 대한 통찰력을 제공할 수 있다. 또한 우리의 레시피는 신경과학 분야 외에도 다른 혼돈 시스템에도 잠재적으로 적용될 수 있다. 예를 들어, 생물학적 뉴런에 영감을 받은 차세대 뉴로모르픽 장치는 고차원 혼돈을 나타낼 수 있으며, 우리의 레시피를 구현하기 위한 훌륭한 후보가 될 수 있다. 나는 인공적인 뇌 함수 구현을 곧 볼 수 있기를 바란다.”

이 개발은 로봇공학과 인공지능(AI) 분야에서 중요한 것으로, 연구자들은 이 도전을 오랫동안 해결하려고 노력해왔다. 이것은 이 분야가 빠른 속도로 발전하고 있는 최신 예이다.