Development of compositional and contextual communicative skills of robot by using a neuro-dynamic model

Abstract

이 연구에서는 사람과 의사 소통을 하기 위한 복잡한 의사 소통 기술들을 학습을 통해 획득하는 로봇 실험을 진행하였다. 로봇을 제어하기 위한 두뇌 모델로는 뇌신경계를 모방한 동적 신경망 모델을 사용하였다. 사용된 동적 신경망 모델은 심층 구조 (deep structure) 속 각 층의 동적 특성 (dynamics property)이 서로 다른 시간 척도 (timescale)를 가지는 multiple timescale dynamics property를 가지는 특징이 있다. 이 실험에서 로봇은 특정한 의사 전달 규칙에 의해 전달되는 사람의 명령 투의 제스처를 인식하고 그에 맞는 순차적인 행동을 생성해 내도록 훈련이 되었다. 이 실험의 결과는 사용된 동적 신경망 모델이 사람과 반복적으로 의사 소통을 하면서 일련의 과정 속의 연속적인 감각운동 흐름을 학습하여 다음과 같은 능력을 개발했음을 보여 준다. (1) compositional structure의 발달을 통해 학습하지 않았던 방식으로 연결된 순차적인 행동 패턴까지 인식하고 생성해 내는 능력, (2) 행동 패턴들의 종류를 구별해 냄으로써 명령적 제스처 속에 있는 근원적인 규칙을 이해하는 능력, (3) 순서 주고 받기를 할 뿐만 아니라 작업 기억 (working memory)을 수행 통제 (executive control)하여 작업 맥락을 상황에 맞게, 필요에 따라 기억하고 망각하는 메타 레벨 인지 능력. 훈련된 신경망 모델의 동적 특성을 분석한 결과는 신경망 모델이 앞서 언급한 고위 인지 (higher-order cognitive) 능력과 메타 레벨 인지 능력을 multiple timescale dynamics property를 활용하여 적절한 기능적 구조 (functional hierarchy)를 자기 구조화함으로써 개발했음을 보여 준다. 이 연구의 결과들은 고차원적인 의사 소통 능력을 가진 사회적 로봇을 발달시키는데 기여할 수 있을 것이다.