기술 요약: StARS – 추천 시스템 기반 접근 방식을 통한 사회적으로 적절한 로봇 행동 생성

1. 문제 정의

인간-로봇 상호작용(HRI)에서의 사회적 적절성은 보편적이지 않으며, 주체 간의 상당한 변동성을 보입니다. 동일한 맥락에서 로봇의 동일한 행동이 어떤 사용자에게는 도움이 되는 것으로 인식되는 반면, 다른 사용자에게는 침해적이거나 안전하지 않은 것으로 인식될 수 있습니다. 기존 방식들은 대개 집계된 인간의 평가나 적절성에 대한 공유된 표현에 의존하며, 이는 의미 있는 의견 차이를 무시하고 개별 사용자의 규범을 포착하지 못하는 한계를 가집니다. 이러한 한계는 개인화가 필수적인 근접 환경(예: 가정, 의료 현장)에서의 로봇 배치를 저해합니다.

본 연구가 다루는 핵심 과제는 선호도 피드백을 수집하는 비용이 많이 들고 데이터가 희소한 상황에서, 특정 사용자의 선호도와 일치하는 사회적으로 적절한 행동을 어떻게 모델링하고 예측할 것인가 하는 점입니다. 저자들은 어노테이터(annotator)를 사용자(user)로, 장면(scene)을 아이템(item)으로, 적절성 점수를 타겟(target)으로 취급하는 추천 시스템(RS)에서 영감을 얻어, 사회적으로 적절한 행동 생성을 선호도 모델링 문제로 재정의합니다.

2. 방법론: StARS 프레임워크

저자들은 협업 필터링(Collaborative Filtering, CF)과 학습 가능한 장면 표현(learnable scene representations)을 통합한 모델 불가지론적(model-agnostic) 프레임워크인 StARS(Socially Appropriate Robot Actions)를 제안합니다.

A. 문제 정식화

StARS는 장면 $i$와 행동 $a$에 대한 집계된 점수 $y_{i,a}$를 예측하는 대신, 특정 사용자 $u$를 위한 개인화된 점수 $\hat{y}_{u,i,a}$를 예측합니다. 시스템은 데이터셋 $D$의 어노테이션 $(u, i, a, y_{u,i,a})$로부터 학습합니다.

B. 아키텍처 및 구성 요소

StARS는 행렬 분해(Matrix Factorization, MF) 기반의 협업 필터링 모듈을 미분 가능한 장면 인코더 $\phi_\theta$에 결합하여 확장합니다. 예측 함수 $f(u, i, x_i, a)$는 다음을 결합합니다:

1. 잠재 요인(Latent Factors): 체계적인 평가 경향을 포착하기 위해 MF를 통해 학습된 공유 사용자 임베딩($p_u$)과 공유 장면 임베딩($q_i$).
2. 행동 임베딩(Action Embeddings): 여러 후보 행동을 처리하기 위한 행동 특화 임베딩($r_a$).
3. 잔차 융합(Residual Fusion): 데이터 희소성을 완화하고 콘텐츠 정보를 통합하기 위해, 프레임워크는 협업 신호를 장면 콘텐츠 특징 $h_i = \phi_\theta(x_i)$와 융합합니다:
   • 장면 잔차 융합(Scene Residual Fusion): 하이브리드 장면 임베딩 $\bar{q}_i = q_i + h_i$는 협업 아이템 임베딩을 콘텐츠 특징(예: 공간 레이아웃, 객체 관계)으로 풍부하게 만듭니다.
   • 상호작용 잔차 융합(Interaction Residual Fusion): 최종 예측은 사용자-장면 상호작용($p_u \odot \bar{q}_i$)을 포함하며, 여기에 콘텐츠 특징 $h_i$를 잔차 항으로 추가합니다. 이는 협업 요인이 약하게 추정되는 희소 구간(sparse regime)에서 예측을 안정화하는 사용자 독립적인 콘텐츠 지름길을 제공합니다.

최종 예측 방정식은 다음과 같습니다:
$$\hat{y}_{u,i,a} = \left( (p_u \odot \bar{q}_i) + h_i \right)^\top r_a + b_u + b_i + b$$
여기서 $b$ 항들은 글로벌, 사용자, 장면 오프셋을 나타냅니다.

C. 학습 전략

StARS는 두 단계의 학습 프로토콜을 채택합니다:

1. 장면 인코더 사전 학습: 장면 인코더 $\phi_\theta$를 장면 특징만으로 행동 적절성을 예측하는 임시 선형 헤드(linear head)와 함께 사전 학습합니다.
2. 엔드 투 엔드 공동 최적화: 사전 학습된 인코더를 고정하거나 미세 조정(fine-tuning)하면서, 전체 개인화 예측 목적 함수를 사용하여 CF 파라미터($p_u, q_i, r_a, b$)와 공동으로 최적화합니다.

3. 주요 기여

• HRI의 재정의: 본 논문은 추천 시스템 기술을 사용하여 사회적 적절한 행동 생성을 선호도 추정 문제로 재구성하며, 개별 사용자의 불일치를 단순히 합산하는 것이 아니라 명시적으로 모델링합니다.
• 모델 불가지론적 프레임워크: StARS는 밑바닥부터 다시 설계할 필요 없이 다양한 장면 인코더(예: MLP, Transformer, GNN) 및 백본과 통합될 수 있도록 설계되었습니다.
• 희소 피드백에 대한 강건성: StARS는 제한된 데이터로부터 사용자 특화 패턴을 추론하기 위해 협업 필터링을 활용함으로써, 희소한 선호도 피드백 문제를 구체적으로 해결합니다.
• 실증적 검증: 이 접근 방식은 두 가지 서로 다른 데이터셋인 MannersDB+(가정 내 작업 수준 행동)와 SocNav1(사회적 준수 네비게이션)에서 평가되었습니다.

4. 실험 결과

저자들은 다섯 번의 교차 검증을 사용하여 다양한 백본 모델(MannersDB+의 경우 MLP, ResMLP, DCNv2, GraceAE, FT-Transformer; SocNav1의 경우 GCN, GIN, GraphSAGE, GGNN, RGCN, GAT)에 대해 StARS를 평가했습니다.

• 성능 향상 (RQ1): 모든 백본과 데이터셋에서, CF 구성 요소(StARS)를 통합하는 것이 베이스 모델보다 일관되게 우수한 성능을 보였습니다.
  • **MannersDB+**에서, StARS 변형 모델들은 상당한 RMSE 감소(예: MLP의 경우 ~1.27에서 ~1.13으로 감소)와 피어슨 상관계수($r$) 및 Lin's Concordance Correlation Coefficient(CCC)의 유의미한 증가를 보여주었습니다.
  • SocNav1에서, StARS 변형 모델들은 모든 그래프 신경망 아키텍처에서 더 낮은 MSE와 더 높은 상관계수를 달성했습니다.
• 일관성 및 체계성 (RQ2): 통계적 분석(Holm 보정을 적용한 paired t-test)을 통해, 이러한 개선이 특정 폴드(fold)나 모델의 결과물이 아닌 체계적인 것임을 확인했습니다. 이득은 모든 테스트된 구성에서 통계적으로 유의미했습니다 ($p < 0.05$).
• 희소성에 대한 강건성 (RQ3): 학습 곡선 실험은 StARS가 제한된 훈련 데이터(저데이터 구간)에서도 상당한 성능 이득을 제공함을 입증했습니다. 성능이 초기 어노테이션과 함께 빠르게 향상되었으며, 이는 이 방법이 데이터 효율적이며 개인화된 피드백을 수집하는 비용이 많이 드는 시나리오에 적합함을 시사합니다.

5. 의의 및 주장

본 논문은 StARS가 추천 시스템 방법을 개인화된 의사결정의 확장 가능한 접근 방식으로 사용하는 것이 실현 가능하다는 것을 입증한다고 주장합니다.

• 재설계 없는 개인화: 이 프레임워크는 인지 또는 의사결정 백본을 재설계할 필요 없이 사용자 특화 행동 선택을 가능하게 하여, 더 적응적인 HRI 동작을 지원합니다.
• 구조화된 변동성: 결과는 사회적 적절성 판단의 변동성이 무작위적인 노이즘이 아니라 구조화되어 있으며, 사용자-장면 상호작용 모델링을 통해 효과적으로 포착될 수 있음을 시사합니다.
• 데이터 효율성: 이 접근 방식은 데이터가 부족한 HRI 환경에서 개인화를 위한 실질적인 경로를 제공하며, 이는 소수의 초기 상호작용만으로도 의미 있는 사용자 특화 선호도 추정이 가능함을 의미합니다.

저자들은 StARS가 사회적 적절성에 초점을 맞추고 있지만, 적절한 피드백 메커니즘이 갖춰진다면 RS 정식화가 협업 조립이나 적응형 보조와 같은 다른 개인화 중심의 HRI 작업으로 확장될 수 있다고 결론짓습니다.