기술 요약: 저해상도 이고센트릭 비전을 활용한 능동적 지각을 위한 행동 복제

문제 정의

본 연구는 로봇공학의 근본적인 질문을 탐구합니다: 구조화된 객체 찾기 작업에서 명시적인 정보 추구 행위에 대한 감독 없이도 행동 복제 (BC) 가 능동적 지각을 생성하기에 충분한가?

능동적 지각은 작업 완수를 가능하게 하기 위해 미래 관측을 의도적으로 영향을 미치도록 행동을 선택하는 시스템으로 정의됩니다. 반면, 표준 행동 복제는 정보 수집을 명시적으로 최적화하지 않고 전문가 시연 모방을 통해 정책을 학습합니다. 이를 평가하기 위해 저비용 로봇 팔에 손목 장착형 이고센트릭 RGB 카메라가 부착된 상태에서 부분적으로 보이는 식물을 찾는 통제된 실험을 구성했습니다. 로봇은 잡기 신호를 발생시키기 전에 객체를 시야 중앙에 위치하도록 자신을 재배치해야 합니다. 성공을 위해서는 로봇이 후속 시각 입력을 개선하는 움직임을 실행해야 하므로, 이는 실질적으로 능동적 지각을 요구합니다.

방법론

실험 설정

시스템은 손목 장착형 단안 RGB 카메라가 장착된 테이블 장착형 Lynx-motion AL5D 로봇 팔(6 자유도) 을 활용합니다. 이 설정은 저렴한 오프더셸 (off-the-shelf) 부품으로 구축되었습니다.

• 데이터 수집: Xbox 컨트롤러를 이용한 원격 조종을 통해 시연 데이터를 수집합니다.
• 입력/출력: 카메라는 10Hz 로 64×64 RGB 이미지를 캡처합니다. 관절 위치는 동기화되어 기록됩니다.
• 작업: 흰색 배경 대비 일부만 보이는 식물이 배치됩니다. 로봇은 카메라를 이동하여 식물을 중앙에 위치시키고 그리퍼를 닫아야 합니다.

모델 아키텍처 및 학습

저자들은 행동 복제를 사용하여 시각 인코더와 시간적 컨트롤러를 엔드투엔드로 학습합니다.

• 시각 인코더: 4 층 합성곱 신경망 (CNN) 이 개별 RGB 이미지를 처리하여 공간적 귀납적 편향을 활용하여 컴팩트한 특징 표현을 생성합니다.
• 시간적 컨트롤러: LSTM 이 이러한 특징을 시간에 따라 처리하여 시간 단계 간 정보를 통합하고 단일 프레임에서는 관찰할 수 없는 의존성을 포착합니다.
• 입력: $H$개의 이미지로 구성된 고정 길이 히스토리.
• 행동 표현: 출력에 대해 두 가지 표현을 비교합니다:
  1. 절대 관절 위치: 목표 관절 구성 ($a_{t+1}$) 을 예측.
  2. 상대 관절 델타: 현재 구성에서 다음 구성으로의 변화 ($\Delta a_t = a_{t+1} - a_t$) 를 예측.
• 학습 목적: 모델은 예측된 관절 델타와 시연된 관절 델타 간의 평균 제곱 오차 (MSE) 를 최소화합니다.
• 추론 (폐루프): 모델은 폐루프 방식으로 작동합니다. 현재 이미지 히스토리를 기반으로 관절 델타를 예측하고, 이를 현재 관절 위치에 추가하여 다음 상태를 결정하며, 움직임을 실행한 후 새로운 이미지를 캡처하고 히스토리 창을 업데이트합니다.

주요 결과

저자들은 다양한 학습 세트 크기 (2~64 개 시연) 에 걸쳐 두 가지 행동 표현을 평가했습니다.

1. 제한된 데이터에서의 성능:

   • 8 개 시연에서 델타 모델과 절대 위치 모델 모두 작업을 성공적으로 완료했습니다 (5/5 성공률).
   • 4 개 시연에서는 관절 델타 모델만 성공했습니다 (5/5), 절대 위치 모델은 완전히 실패했습니다 (0/5).
   • 2 개 시연에서는 두 모델 모두 실패했습니다.

2. 오차 지표:

   • 관절 델타 모델은 절대 위치 모델에 비해 일관되게 유의하게 낮은 테스트 평균 제곱 오차 (MSE) 를 달성했습니다. 예를 들어, 4 개 시연에서 델타 모델의 테스트 MSE 는 6.15($10^{-3}$로 스케일링됨) 였으며, 절대 위치 모델의 테스트 MSE 는 189.08이었습니다.
   • 시연 수가 증가함에 따라 절대 위치 모델의 성능은 향상되었지만 델타 모델보다 덜 안정적이었습니다.

3. 행동 특성:

   • 델타 모델: 목표 방향으로 더 작고 일관된 움직임을 생성했습니다.
   • 절대 모델: 더 큰 움직임을 경향하며, 교정하기 전에 목표를 자주 지나치는 (overshooting) 경향이 있었습니다.
   • 일반화: 고정된 왼쪽 및 오른쪽 학습 위치 사이의 식물 배치에서 테스트했을 때, 델타 모델은 성공적으로 적응했습니다. 반면 절대 위치 모델은 중간 위치에 적응하기보다는 시연된 특정 구성 중 하나로 이동하는 경향이 있었습니다.

주요 기여

본 논문은 다음과 같은 기여를 주장합니다:

1. 재현 가능한 설정: 능동적 지각을 평가하기 위해 손목 장착형 이고센트릭 카메라를 사용하는 단순하고 저비용의 실험 설정.
2. 창발적 능동적 지각: 정보 수집에 대한 명시적 감독 없이도 행동 복제가 능동적 지각 행동 (관측 개선을 위한 재배치) 을 생성할 수 있음을 시연.
3. 저해상도 충분성: 폐루프 제어 하에서 신뢰할 수 있는 작업 완수를 위해 저해상도 (64×64) 이고센트릭 RGB 입력이 충분하다는 증거.
4. 행동 표현의 우월성: 이 특정 설정에서 절대 관절 위치 예측에 비해 상대 관절 델타를 예측하는 것이 훨씬 더 나은 성능, 부드러움, 일반화를 제공한다는 경험적 증거.

중요성 및 주장

본 논문은 재현 가능한 설정에서 시각적으로 근거한 능동적 지각이 행동 복제에서 창발할 수 있다고 결론지었습니다. 주요 중요성은 적절한 행동 표현 (상대 델타) 과 폐루프 제어와 결합된 단순한 모방 학습 접근법이 의도적인 정보 수집이 필요한 작업을 해결하기에 충분함을 시연하는 데 있습니다. 저자들은 행동 표현의 선택이 결정적임을 강조합니다. 상대적 변화를 예측하면 정책이 보이지 않는 객체 배치에 적응할 수 있지만, 절대 위치를 예측하면 로봇이 기억된 구성으로 제한됩니다.