Active Sensing Subserves Task-Level Control

기술적 요약: 능동적 감각은 작업 수준 제어를 지원한다

문제 제기
전통적인 능동적 감각의 정의는 감각적 목표 (예: 생물의 상태에 대한 불확실성 최소화 또는 감각 예측 오차 감소) 를 달성하기 위해 에너지 (일반적으로 운동) 를 소모하는 것으로 설명된다. 그러나 이 관점은 정보 수집이 운동의 주된 동인이라고 가정한다. 저자들은 적응형 센서(일정한 기준선을 거부하고 자극의 변화에 주로 반응하는 센서) 에 의존하는 생물학적 시스템에서 능동적 감각 운동이 어떻게 발생하는지에 대한 이해의 공백을 확인했다. 적응형 감각은 넓은 동적 범위 전반에 걸친 민감도 측면에서 유리하지만, 근본적인 관측 가능성 문제를 야기한다. 동역학 시스템 관점에서 적응형 센서는 평형 상태에서 시스템을 국소적으로 관측 불가능하게 만들어, 시스템이 정적 상태로 머무는 경우 작업 지향적 행동의 안정적인 폐루프 제어를 이론적으로 불가능하게 만든다. 본 논문은 능동적 감각이 '정보 목표'에 의해 주도되는 것인지, 아니면 작업 수준 피드백 제어가 부과하는 물리적 및 제어 이론적 제약의 불가피한 결과인지에 의문을 제기한다.

방법론
저자들은 수학적 이론, 계산 모델링, 생물학적 데이터의 경험적 분석을 결합한 다면적 접근법을 사용했다:

1. 이론적 모델링: 약전기 물고기 (Eigenmannia virescens) 의 운동기식 (locomotor plant) 에 대한 단순화된 2 차 템플릿 모델을 활용했다. 이 모델은 감각 자극의 시간 미분에 반응하는 적응형 센서 ($y = \gamma(x_1)x_2$) 를 포함한다. 저자들은 수학적으로 이러한 시스템의 경우 능동적 감각 운동 없이는 평형점으로의 안정화가 불가능함을 증명했다. 안정성은 시간 변화 운동 (리미트 사이클) 주변에서만 달성 가능하다.
2. 계산 시뮬레이션: 저자들은 제어 전략을 시뮬레이션하여 비교했다:
   • 지속적 여기 (Persistent Excitation, PE): 매개변수 식별 가능성을 보장하기 위해 풍부하고 다양한 입력을 지속적으로 적용하는 고전적 제어 이론 전략.
   • 모드 전환 (탐색/활용, Mode-Switching): 제어기가 '활용' 모드 (느린 보상 운동을 통해 추적 오차 최소화) 와 '탐색' 모드 (상태 불확실성 감소를 위한 빠르고 능동적인 감각 운동 생성) 사이를 전환하는 휴리스틱 전략.
   • 이러한 시뮬레이션은 비용 함수에 추적 오차와 제어 노력은 포함되지만 정보 획득에 대한 명시적 항은 포함되지 않은 비볼록 최적화 지형을 사용했다.
3. 경험적 분석: 저자들은 정지 유지 작업을 수행하는 다양한 생물 (선충류부터 인간까지) 의 시계열 데이터를 재분석했다. 그들은 감각적 중요성 (예: 시각을 위한 조명 수준 또는 전기감각을 위한 간섭) 이 모드 간 전환 빈도에 어떻게 영향을 미치는지 구체적으로 살펴봄으로써 행동 모드와 전환 역학을 정량화했다.

주요 기여

• 능동적 감각의 기원 재정의: 본 논문은 능동적 감각이 반드시 (불확실성 최소화 같은) 감각적 목표에 의해 주도되는 것이 아니라, 시스템이 적응형 센서에 의존할 때 작업 수준 피드백 제어의 요구사항에서 필연적으로 나타난다고 제안한다. 목표 지향적 행동, 폐루프 제어, 그리고 기하학적/동역학적 감각 제약의 결합은 작업 목표를 직접 달성하지는 않지만 작업 수행을 가능하게 하는 자기 운동을 생성하도록 강제한다.
• 탐색 - 활용 모드 전환 프레임워크: 저자들은 동물 행동을 두 가지 뚜렷한 제어 정책 간의 빠른 전환으로 특징지었다:
  • 활용 모드: 감각 미끄러짐 (오차) 을 최소화하고 작업 목표를 직접 달성하도록 설계된 느린 보상 운동.
  • 탐색 모드: 감각 미끄러짐을 증가시키고 상태 추정을 개선하도록 설계된 빠르고 능동적인 감각 운동.
  • 이 전환은 내부 불확실성 추정에 의해 촉발된다. 불확실성이 임계값을 초과하면 시스템은 이를 줄이기 위해 탐색 모드로 전환한다.
• 지속적 여기 대비 모드 전환의 우월성: 이론적 결과는 모드 전환 전략이 고전적 지속적 여기 방법보다 우수함을 보여준다. 시뮬레이션에서 모드 전환은 정보 수집을 명시적으로 보상하지 않는 비용 함수를 가진 비볼록 최적화 지형에서 특히 지속적 여기에 비해 더 낮은 추적 오차와 감소된 제어 노력 (에너지 비용) 을 달성했다.
• 분리 원리에 대한 비판: 본 논문은 적응형 센서를 가진 시스템에서는 엔지니어링의 '분리 원리'(상태 추정과 제어를 분리) 가 실패한다고 주장한다. 절대적이고 비적응형 센서를 사용하는 공학적 시스템과 달리, 생물학적 시스템은 감각과 구동을 통합해야 하므로 능동적 감각 운동의 생성은 제어 정책 자체의 필수적인 부분이 된다.

결과

• 수학적 필연성: 적응형 센서 모델의 분석은 능동적 감각 운동 (구체적으로 시간 변화 자극을 생성하는 운동) 없이는 시스템이 관측 불가능하며 고정점으로 안정화될 수 없음을 증명한다.
• 행동적 증거: 경험적 데이터는 유리 칼고기, 바퀴벌레, 인간을 포함한 다양한 분류군의 동물들이 느린 '활용' 운동과 교차하는 이산적인 빠른 '탐색' 운동 시기를 보임을 확인했다.
• 감각적 중요성 효과: 감소된 감각적 중요성 (예: 어둠 또는 전기감각 간섭) 은 '탐색' 모드로의 전환 빈도와 고속 능동적 감각에 소요되는 시간 비율을 유의미하게 증가시켰는데, 이는 불확실성이 전환을 주도한다는 가설과 일치한다.
• 성능 향상: 시뮬레이션은 정보 획득이 아닌 추적 오차와 제어 노력만 패널티로 부과하는 비용 함수에서도 불확실성 기반 전환 전략이 지속적 여기 전략보다 더 나은 성능 (낮은 비용) 을 달성함을 보여주었다.

의의 및 주장
본 논문은 능동적 감각에 대한 현재의 이해가 정보 목표에 초점을 맞추고 있어 불완전하다고 주장한다. 대신 저자들은 적응형 센서를 가진 시스템에서 능동적 감각은 제어의 필수적 결과라고 주장한다. 이 통찰은 하드웨어가 열등함에도 불구하고 견고성과 적응성 측면에서 공학적 시스템을 능가하는 종종 동물 행동의 견고함과 우아함이 이러한 특정 제어 아키텍처에서 비롯됨을 시사한다.

저자들은 일반적으로 분리 원리와 비적응형 센서에 의존하는 공학적 시스템이 생물학적 지능의 중요한 구성 요소를 놓치고 있다고 주장한다. 적응형 센서, 능동적 감각, 그리고 모드 전환 제어 정책을 채택함으로써 로봇 시스템은 유사한 수준의 견고성과 효율성을 달성할 수 있을 것이다. 본 논문은 이러한 발견을 정보 수집을 위한 새로운 최적화 알고리즘이 아니라, 구체화된 에이전트 (embodied agents) 의 제어 시스템을 설계하는 방식의 근본적 전환으로 위치시킨다. 즉, '플랜트'(신체와 그 센서) 와 제어기는 불가분하게 연결되어 있으며, 운동은 때로 상태를 변경하기 위해서가 아니라 상태를 관측 가능하게 만들기 위해 필요하다는 점을 인정해야 한다는 것이다.