Résumé Technique : Le Codage Temporel comme Substrat pour l'Inférence d'Objets Sensorimotrice

1. Énoncé du Problème

La Théorie des Mille Cerveaux (TBT) et son implémentation open-source, Monty, modélisent la reconnaissance d'objets par inférence sensorimotrice : identifier des objets en déplaçant activement un capteur sur leur surface et en accumulant des preuves contact par contact. Cependant, l'implémentation actuelle de Monty encode chaque contact comme un vecteur dense à virgule flottante. Bien que le système suive le déplacement inter-étapes et accumule des preuves, il traite le motif d'activation des caractéristiques à chaque contact comme un ensemble non ordonné.

Cette approche rejette une information critique : la séquence directionnelle dans laquelle les caractéristiques sont rencontrées. Par exemple, un capteur se déplaçant de gauche à droite sur une anse de mug (lisse → courbe → bord) génère la même preuve accumulée qu'un capteur se déplaçant de droite à gauche (bord → courbe → lisse), bien que ces traversées représentent des directions spatiales opposées. L'architecture actuelle échoue à représenter que « la caractéristique A a été ressentie avant la caractéristique B », une séquence qui porte intrinsèquement une signification spatiale sur la géométrie de l'objet.

2. Méthodologie

L'article propose une réinterprétation de l'architecture Monty où la représentation du contact du capteur passe des vecteurs denses aux paquets de spikes d'ordre de rang. Ce changement préserve la séquence temporelle de l'activation des caractéristiques, faisant de l'ordre de décharge la représentation elle-même. L'architecture proposée se compose de quatre composants intégrés :

A. SpikeEncoder

Au lieu d'un vecteur statique, chaque contact produit une brève rafale d'événements neuronaux. Les neurones déchargent selon un ordre de rang basé sur la force d'activation : le neurone le plus fortement activé décharge en premier ($t=0$), suivi des autres avec une latence croissante.

• Mécanisme : Si un contact active les neurones $N_1, N_2, N_3$ avec des forces $0,9, 0,2, 0,1$, le paquet de spikes est ordonné $N_1 \to N_2 \to N_3$.
• Signification : Deux contacts avec des ensembles de caractéristiques identiques mais des ordres de traversée différents produisent des séquences de spikes distinctes (par exemple, $N_{lisse}$ mène dans l'un, $N_{bord}$ mène dans l'autre).

B. LatencyDecoder

Ce composant infère le déplacement spatial implicitement à partir de la latence inter-paquet (l'intervalle de temps entre les rafales de spikes successives).

• Mécanisme : En supposant une vitesse motrice uniforme $v$, le déplacement est calculé comme $\Delta x \approx v \cdot \Delta t \cdot \text{direction}$.
• Signification : Cela élimine le besoin de calculs de coordonnées explicites ou d'odométrie externe ; le timing des événements neuronaux sert de métrique spatiale.

C. Règle d'Apprentissage STDP

Le mécanisme d'apprentissage remplace l'accumulation standard par la Plasticité Dépendante du Timing des Spikes (STDP).

• Mécanisme : Les poids synaptiques sont renforcés si un neurone présynaptique décharge juste avant un neurone postsynaptique (ordre causal) et affaiblis si l'ordre est inversé.
• Signification : Après une exploration répétée, la matrice de poids encode la structure directionnelle de la traversée de surface (par exemple, $N_{lisse} \to N_{courbe} \to N_{bord}$), distinguant les traversées avant et arrière que les vecteurs denses ne peuvent pas différencier.

D. Accumulateur de Preuves Adaptatif avec $\lambda$ Apprenable

Un paramètre apprenable $\lambda$ ($0 \le \lambda \le 1$) contrôle l'équilibre entre la dépendance au contact le plus récent et l'histoire accumulée.

• Mécanisme : La règle de mise à jour est $E(t+1) = (1-\lambda) \cdot \text{vraisemblance}(\text{obs}_t) + \lambda \cdot E(t)$.
• Adaptation : $\lambda$ est ajusté en fonction de l'erreur de prédiction. Pour des objets uniformes (par exemple, une sphère), $\lambda$ converge vers de faibles valeurs (confiance au contact actuel) ; pour des objets complexes avec des caractéristiques uniques distribuées (par exemple, une perceuse électrique), $\lambda$ converge vers de fortes valeurs (dépendance à l'histoire).

3. Contributions Clés

1. Analyse Informationnelle : Un compte rendu précis de l'information spatiale rejetée par les représentations vectorielles denses lors de l'exploration sensorimotrice.
2. Encodage par Ordre de Rang : Un schéma d'encodage de paquets de spikes qui préserve la séquence directionnelle de l'activation des caractéristiques.
3. Déplacement Implicite : Un mécanisme pour inférer le déplacement spatial à partir des intervalles de timing inter-paquet sans transformations de pose explicites.
4. Apprentissage Causal : Une règle d'apprentissage basée sur la STDP qui encode la direction de traversée dans les poids synaptiques.
5. Contexte Adaptatif : Un paramètre $\lambda$ apprenable qui adapte l'horizon de mémoire à la complexité géométrique d'objets spécifiques.
6. Implémentation : Une implémentation minimale nécessitant environ 450 lignes de code NumPy au sein de la base de code existante de Monty, accompagnée de trois prédictions testables.

4. Résultats Expérimentaux

L'article valide les affirmations principales grâce à trois expériences synthétiques utilisant le benchmark du jeu de données d'objets YCB :

• Discrimination de Traversée (Prédiction 3) :
  • Tâche : Distinguer entre deux objets avec des ensembles de caractéristiques identiques mais des agencements spatiaux opposés (par exemple, Lisse-Courbe-Bord vs Bord-Courbe-Lisse).
  • Résultat : L'accumulation dense a performé au hasard (51,2 %) car les vecteurs de caractéristiques sommés étaient identiques. Le codage temporel a atteint 100 % de précision en exploitant les voies causales distinctes encodées via la STDP.
• Robustesse au Bruit (Prédiction 2) :
  • Tâche : Évaluer les performances sous différents niveaux de bruit du capteur ($\sigma$).
  • Résultat : Le codage temporel a maintenu un avantage de précision de 30 à 50 points de pourcentage par rapport à l'accumulation dense sur tous les niveaux de bruit testés. Alors que les performances denses restaient au hasard, le codage temporel se dégradait gracieusement, conservant 79,2 % de précision même à un bruit élevé ($\sigma=0,50$).
• Convergence de Lambda :
  • Tâche : Observer la convergence de $\lambda$ à travers des objets de complexité géométrique variable.
  • Résultat : Le système a appris de manière autonome des valeurs distinctes de $\lambda$ reflétant la structure de l'objet : 0,30 pour des surfaces uniformes (sphère), 0,60 pour une complexité modérée, et 0,87 pour des surfaces complexes (perceuse électrique).

5. Signification et Affirmations

L'article soutient que la séquence des contacts n'est pas simplement un véhicule pour le sens mais constitue le sens lui-même dans l'inférence sensorimotrice. En rejetant l'ordre temporel de l'activation des caractéristiques, les implémentations actuelles à vecteurs denses de la TBT perdent la capacité de distinguer les traversées spatialement opposées du même objet.

L'architecture proposée démontre que le codage temporel offre des avantages structurels en termes de :

• Efficacité des Données : Atteindre une haute précision de discrimination avec moins de contacts.
• Robustesse : Maintenir les performances sous une exécution motrice bruyante où les estimations de coordonnées sont dégradées.
• Généralisation : Encodage des ordres causaux par paires qui se transfèrent à de nouvelles dispositions spatiales de caractéristiques.

Les auteurs déclarent explicitement que ce travail aborde l'efficacité computationnelle dans l'inférence sensorimotrice et ne prétend pas résoudre des questions de conscience machine. L'affirmation centrale est modeste mais spécifique : l'architecture proposée de paquets de spikes d'ordre de rang récupère l'information que le cadre actuel de Monty rejette, permettant au système de distinguer des géométries d'objets actuellement indistinguables. L'évaluation de bout en bout sur l'ensemble du benchmark YCB est notée comme un travail futur.