Predictive-Coding-Based Autonomous Regulation of Internally Generated and Externally Coupled Processing in Human-Robot Interaction をarXivで公開しました。Henrique Oyamaさんが筆頭著者で、Jun Tani教授との共著です。IEEE Transactions on Cognitive and Developmental Systemsに投稿中です。
人と身体的に関わりながら動くロボットは、自分が学習してきた「こう動くはずだ」という内部の予測と、いま実際に受け取っている感覚入力との間で、どちらにどの程度頼るかを決め続ける必要があります。予測に頼りすぎれば相手の動きに合わせられず、感覚入力に頼りすぎれば学習した動きの構造を保てません。
本研究では、予測符号化型の変分RNNであるPV-RNNのメタプライアに着目しました。メタプライアは、事後推論が学習済みの事前ダイナミクスにどれだけ強く拘束されるかを決めるハイパーパラメータです。直近の相互作用で蓄積された再構成誤差の履歴に応じて、あらかじめ用意した複数のメタプライア設定をオンラインで切り替える仕組みを導入し、内部予測と外界の感覚証拠への依存度をロボット自身が調整できるようにしています。
構造が固定されたタスク、途中で構造が変わるタスク、制約の少ないタスクという3種類の物理的な人-ロボット相互作用で検証したところ、再構成誤差の履歴に基づくレジーム選択によって、将来方向の予測誤差とロボット側の物理的な衝突（相手とのぶつかり合い）が低減しました。蓄積された予測のズレが、学習済みダイナミクスへの依存度を調整するための内部信号として使えることを示した論文です。