위키백과

사용자:Kim135797531/발달로봇공학

발달로봇공학(Developmental robotics, DevRob), 혹은 후성로봇공학(epigenetic robotics)은, 실체를 갖는 기계, 특히 로봇이 생명 주기 동안 지속적으로 새로운 능력 또는 지식을 배울 수 있도록 하는 발달의 원리, 구조, 제약 조건 등에 초점을 맞춘 과학 분야이다. 발달로봇공학에서의 로봇은, 인간의 어린이들과 마찬가지로 지식을 쌓아 나가며 복잡성을 증대해 나가고, 이는 자신과 세계와의 사회적 상호 작용에 의한 결합을 스스로 탐구함으로써 발현한다. 실현 방법으로 발달심리학, 신경과학, 발생생물학, 진화생물학, 언어학 등의 이미 정교하게 구성된 인간 및 동물의 발달 이론을 기초로 하여, 로봇에서 그 이론들을 구체화하고 구현하며, 때로는 이론의 확장 또는 변형을 탐구한다. 로봇에서 이러한 모델을 실험해 보면서 연구자들은 이론을 현실적 측면에서 바라보게 되고, 결과적으로 인간 및 동물의 발달 이론에 피드백을 제공하거나, 새로운 가설 등을 제시한다.

발달로봇공학은 진화로봇공학(Evolutionary Robotics, ER)과 관련은 있지만, 다른 학문이다. 진화로봇공학은 세대를 거듭하며 진화하는 로봇들의 무리를 사용하지만, 발달로봇공학은 하나의 로봇 개체의 제어 체계에 관심을 가지며, 경험을 통해 학습할 수 있게 하는 방법을 연구한다.

또한 발달로봇공학은 로봇공학과 인공생명의 연구 영역과도 관련되어 있다.

배경 편집

발달로봇공학의 핵심적인 질문으로는

  • 로봇이 인간의 어린이처럼 학습할 수 있을까?
  • 로봇이 설계 당시에 정의되지 않고, 부분적으로 알려지지 않은 환경, 또는 변화하는 환경 속에서 새롭게 다양한 능력과 지식을 배울 수 있을까?
  • 로봇이 물리적, 사회적 환경에서 자신의 신체와 상호 관계 등을 어떻게 발견해야 할까?
  • 로봇이 어떻게 해야 "공장에서 나온 뒤"에도 개발자의 도움 없이 인지 능력을 지속적으로 개발할 수 있을까?
  • 로봇은 인간과의 자연스러운 사회적 상호 작용을 통해 무엇을 배울 수 있을까?

등이 있다. 다른 인공두뇌학 전문가들과 같이, 앨런 튜링(Alan Turing)은 1950년대에 이미 이러한 질문들과 일반적 접근론을 구체화하였지만,[1] 이 문제들은 20세기 말이 되고 나서야 체계적으로 조사되기 시작하였다.[2][3][4][5]

발달로봇공학의 핵심이 적응형 지능 기계의 개념이기 때문에, 발달로봇공학은 인공지능, 기계 학습, 인지로봇공학, 계산신경과학과 관련되어 있다. 따라서 이런 분야들에서 쓰이는 정교한 기술을 일부 재사용 할 수는 있다. 하지만 여전히 많은 측면에서 발달로봇공학과는 차이가 존재한다.

  • 고전적인 인공지능: 발달로봇공학은 고전적인 인공지능과 달리 고급 기호 추론 능력을 가정하지 않으며, 추상 상징인 문제보다는 구체화된 감각 운동 능력과 사회적 능력에 초점을 맞춘다.
  • 고전적인 기계 학습: 또한 발달로봇공학은 마치 "인간이 일일이 스푼으로 떠 먹여 주는(가르치는)" 센서 데이터처럼 특정 작업에 한정된 추론을 학습하기보다는, 특정 작업에 종속적이지 않고 스스로 결정하는 학습에 초점을 맞추기 때문에, 기존의 고전적인 기계 학습과도 다르다 (Weng et al., 2001).
  • 인지로봇공학: 발달로봇공학은 인지 능력 그 자체 보다는 인지 능력을 형성하는 과정에 초점을 맞추기 때문에 인지로봇공학과 차이가 있다.
  • 계산신경과학: 발달로봇공학은 발달과 학습에 대한 통합적 구조를 모델링하는 것에 초점을 맞추기 때문에, 계산신경과학과도 다르다.

일반적으로, 발달로봇공학은 다음 세 가지 특징을 갖는다:

  1. 발달로봇공학은 특정 작업에 한정되지 않는 구조와 학습 방법을 연구한다(예: 개발자가 알지 못하는 새로운 작업에 대해 학습할 수 있는 기계 또는 로봇).
  2. 발달로봇공학은 생명 주기 동안 지속적으로 학습하는 능력을 강조한다(예: 연속적으로 새로운 기술을 습득할 수 있는 능력). 이것은 "어떤 것이라도" 혹은 "모든 것"을 배울 수 있는 능력을 의미하는 것은 아니고, 단지 최소한 특정한('모든'이 아니라) 방향으로는 무한하게 기술 집합을 늘려 나갈 수 있는 능력을 의미한다.
  3. 습득한 지식과 기술의 복잡성이 점진적으로 (제어할 수 있는) 증가함을 보여야 한다.

발달로봇공학은 체화인공지능, 동역학계 인지과학, 연결주의를 비롯한 여러 연구 학파의 교차점에서 출현한 만큼, 지능의 학습과 발달은 뇌, 신체, 그리고 그들의 물리적 환경, 사회적 환경이 동적인 상호 작용에 의해 자가 조직화된 결과로부터 발생한다는 기초 아이디어에서 시작한다. 최종적으로는 어떻게 자가 조직화가 특정 작업에 한정되지 않는 지속적인 기술의 학습과 복잡성의 증가의 동력원이 될 수 있는지 이해하려고 한다.

이러한 작업은 발달심리학, 발달신경과학, 계산신경과학, 발달생물학 (발생학), 진화생물학, 인지언어학 분야의 긴밀한 협력을 통해 시도되고 있다. 이러한 분야에서 얻을 수 있는 이론 지식들이 대부분 서술적 표현이라는 점은, 발달로봇공학에서 구체화와 계산 모델링 활동이 중요하다는 것을 시사한다. 이러한 계산 모델은 보다 다양하고 적응력 있는 기계를 만드는 방법을 탐구하는 데 사용될 뿐만 아니라, 그 이론들의 일관성을 평가하고, 생물학적 발달을 대안적으로 설명할 수 있는 활동이 되기도 한다.

연구 방향 편집

구현하는 능력의 범위 편집

발달로봇과학은 (지능에 대한) 일반적 접근 및 방법론을 취하기 때문에, 연구 프로젝트들은 주로 인간 아기와 같은 종류의 능력을 갖는 로봇을 개발하는데 중점을 두고 있다.

중요하게 연구되고 있는 첫 번째 분류는 감각 운동 능력의 획득이다. 이 분류는, 하나의 개체가 자신의 눈 좌표계 상의 손, 운동, 도구의 사용과 같은 어떤 물체와의 상호 작용 등의 구조와 역학 등을 포함한 자기 자신을 발견하는 것이다. 이는 특정한 탐색에 대한 집중과, 행동 유도성의 학습을 수반한다.

두 번째 분류는 역할 분배, 통합된 상호 작용, 단어, 문법, 그리고 이러한 언어적 능력을 기반으로 (때때로 기호 기반이라 불리기도 한다) 감각 운동 능력을 구성하는 사회적, 언어적 능력이다. 동시에, 자신과 상대방의 구별, 주의 집중 능력의 발달, 분류 능력의 발달, 고차원의 행동 유도성 표출, 사회성 형성, 내적 가치의 발현 등의 상호 인지 능력 획득에 관해 연구되고 있다.

발달 원리 및 제약 조건 편집

인간과 로봇이 구현해야 하는 감각 운동 능력과, 그들이 살고 있는 사회적 공간은 너무 크고 복잡해서, 잠재적으로 배울 수 있는 모든 능력 중에서도 조그마한 일부분만을 생애 주기 내에 탐사할 수 있고 배울 수 있다. 그렇기 때문에, 개체의 발달을 제어하고 복잡성의 증대를 제어하기 위해서, 발달 원리 및 제약 조건이 필요하다. 발달로봇공학에는 인간의 발달으로부터 영감을 얻은, 여러 종류의 발달 원리 및 제약 조건이 있다.

  1. 내적 보상 신호는 탐사 및 학습을 유도하며, 그 신호를 생성하는 동기 부여 체계는 다음과 같이 두 가지 주요 형태로 나뉠 수 있다:
    • 로봇이 음식이나 수분 상태, 물리적 통합성, 빛(예: 굴광성) 등의 기초적인 내부 상태를 유지할 수 있도록 움직이게 하는 외적 동기 부여
    • 로봇이 참신함, 도전, 압축(의미 도출), 학습 진행을 좇게 하는, 소위 호기심 주도 학습 및 탐사(또는 활성 학습 및 탐사) 라고 하는 내적 동기 부여
  2. 사회적 지침: 인간이 다른 인간과 상호 작용 하며 많은 것을 배우는 것처럼, 발달로봇공학에서도 로봇이 인간과 비슷하게 사회적 상호 작용에 참여할 수 있게 하는 발달 원리를 연구한다. 사회적 단서들을 느끼고 설명하려는 과정은, 로봇이 인간으로부터 배울(따라하기, 상상하기, 자극하기, 설명 등) 수 있게 하고, 또한 자연스럽게 인간처럼 배우게 만든다. 따라서, 발달 로봇의 사회적인 수용 측면에서의 연구도 진행되었다.
  3. 통계적으로 편향된 추론 사용과 지식과 능력 누적 재사용: 표현과 코드화 두 가지 모두의 특성에 영향을 끼치는 편향과 추론 원리는 보통 학습의 효율성을 의미 있는 수준으로 향상시킨다. 이와 관련해서, 기존 학습한 내용의 재사용을 통해 새로운 지식을 추론하고 새로운 기술을 습득하는 발달 원리 또한 중요한 연구 대상이다.
  4. 체화로 인해 나타나는 위치, 구성 물질, 사용된 동력원의 특성 등은 종종 동역학계로 코드화 되어, 감각 운동 능력의 획득을 단순화하며, 이는 가끔 형태계산학이라고 불린다. 이러한 제약 조건들 서로 간의 상호 작용도 연구의 중요한 축을 이룬다.
  5. 성숙 제약: 인간 아기는 신체와 신경계가 출생시 완성되어 있는 것이 아니라, 점진적으로 성장한다. 이는 예를 들어 학습 및 발달이 진행됨에 따라 새로운 자유도 뿐만 아니라 사용 가능한 감각 운동 신호의 강도와 해상도의 증가가 나타날 수 있음을 의미한다. 이러한 원리를 발달 로봇에 이식하고, 그것이 복잡한 능력을 획득하는 것을 어떻게 어렵게 하는지 (또는 어떻게 쉽게 하는지) 이해하는 것은 발달로봇공학의 주요한 의문이다.

생체를 모방한 발달에서 영감까지 편집

많은 발달로봇공학 연구 프로젝트들이 인간과 동물 발달 이론에 밀접하게 연관되어 있기는 하지만, 알려진 생물학적 원리와 로봇의 해당 부분의 비슷함과 영감의 정도, 그리고 그 모델의 추상화 정도는, 상당히 다른 것으로 보인다. 어떤 프로젝트들은 신경로봇학이 하는 것처럼 기능 및 생물학적 구현(신경계 또는 형태적) 모두를 완벽하게 모델링하려고 하고, 다른 프로젝트들은, 예를 들면 수학이나 공학 분야에서 사용된 기술을 재사용하는 것처럼, 위에서 설명한 발달 원리나 제약 조건에만 집중한다.

향후 과제들 편집

발달로봇공학은 상대적으로 시작 단계의 학문임과 동시에 방대한 내용을 다루고 있어서, 많은 기초적인 문제들이 해결되어야 한다.

가장 먼저, 현재 존재하는 기술 수준으로는 실세계에 존재하는 고차원의 로봇이 여러가지 문제를 학습하며 생애 주기 동안 점진적으로 복잡한 능력을 갖게 만들기에는 너무도 부족하다. 고차원의 연속된 감각 운동 공간은 해결되어야 할 주요 장애물이다. 생애 주기 동안 점진적으로 학습하는 것도 또 다른 문제이다. 사실, 며칠 이상을 지속적으로 학습하는 실험은 없었으며, 이는 현존하는 계산 능력보다 압도적으로 우수한 뇌와 근골격을 가진 인간의 유아조차도 기초적인 감각 운동 능력을 학습하려면 오랜 시간이 필요한 것과는 대조적이다.

발달로봇공학의 목표를 향해 나아가기 위해 탐구해야 할 전략 중에서, 위에서 기술된 발달 원리들과 제약 조건들 간의 상호 작용은 보다 체계적으로 조사되어야 한다. 지금까지는 사실상 독립적으로 연구되어 왔다. 예를 들어, 내적으로 동기 부여된 학습과 사회적으로 유도된 학습의 상호 작용은, 연구되어야 할 중요한 문제이다.

또 다른 중요한 과제는 로봇이 사람과 로봇 간의 상호 작용을 통해, 개발자가 아닌 사람이 제공하는 다양한 사회적 단서들을 인식하고, 해석하고, 활용할 수 있게 하는 것이다. 현재 이런 능력은 인간으로부터의 효율적인 범용 교육을 받기에는 너무 비효율적인 상태이다.

인간 발달에 동등하게 적용되는, 이해되어야 하고 해결되어야 할 근본적인 과학적인 문제는, 발달 과정에서 구성성, 기능의 계층 구조, 기본 요소, 모듈성, 각 단계에서의 감각 운동 능력 및 사회적 구조가 어떻게 구성되고 활용되는가에 대한 것이다. 이 문제가 언어 습득에 관련되어 있는 경우에는 "기초적 기호 문제"라고도 불리며, 기호의 발현 현상에 관해 깊게 연관되어 있다. 실제로, 뇌에 존재하는 상징들의 존재와 필요성에 대해서는 계속 의문시되고 있으며, 대안으로서 구성성 및 기능적 계층 구조를 허용하는 방법에 대해서도 연구하고 있다.

후성생물학적으로, 형태는 고정되어 있는 것이 아니고, 감각 운동 능력과 사회적 능력의 발달과 끊임없이 상호작용하며 발달한다. 형태의 발달을 실험하기에는 실제 로봇 연구에 있어서 여러 문제를 일으키기도 하지만, 적어도 형태로봇공학적 연구에 의해, 시뮬레이션 안에서라도 탐구되어야 하는 중요한 원리이다.

또 다른 문제는 계층적이고 모듈식 감각 운동을 하고, 내적·외적·사회적 동기 부여를 하고, 지속적인 학습을 하는 발달 로봇과 기초적인 뇌의 원리 각각에 의해 밝혀지는 주요 현상 사이의 관계를 이해하는 것이다.

유사하게, 수많은 진화발생생물학 과학 문헌에서는 개체의 발생학적 시간 규모에서의 발달 원리는, 계통의 발생학적 시간 규모에서의 진화 원리와 강하게 상호 작용 한다고 밝히고 있다.[6] 그러나 인공 생명체, 특히 발달 로봇에서 이러한 원리의 상호 작용은 여전히 거의 무시되고 있다. 따라서 진화 원리, 형태학적 원리, 감각 운동 능력, 사회적 능력 사이의 상호 작용은 향후 발달로봇공학 분야에 있어서 상당히 흥미로운 주제가 될 것이다.

주요 학술지 편집

주요 학회 편집

미국국립과학재단(NSF), 미국국방고등연구기획청(DARPA) 는 2000년 4월 5일 ~ 2000년 4월 7일 사이에 실시된 Workshop on Development and Learning 을 후원하였다. 이 워크숍은 로봇과 동물을 사용해서 정신 발달의 계산적 이해를 추구해 보려는 첫 국제 모임이었다. 발달 과정에서 로봇과 동물이 활성화 상태이기 때문에 "사용해서" 라는 단어를 사용하였다.

관련 항목 편집

각주 편집

  1. ↑ Turing, A.M. (1950). “Computing machinery and intelligence” (PDF). 《Mind》 (LIX) (236): 433–460. 
  2. ↑ Weng, J.; McClelland; Pentland, A.; Sporns, O.; Stockman, I.; Sur, M.; Thelen, E. (2001). “Autonomous mental development by robots and animals” (PDF). 《Science》 291: 599–600. doi:10.1126/science.291.5504.599. 
  3. ↑ Lungarella, M.; Metta, G.; Pfeifer, R.; Sandini, G. (2003). “Developmental robotics: a survey”. 《Connection Science》 15: 151–190. doi:10.1080/09540090310001655110. 
  4. ↑ Asada, M.; Hosoda, K.; Kuniyoshi, Y.; Ishiguro, H.; Inui, T.; Yoshikawa, Y.; Ogino, M.; Yoshida, C. (2009). “Cognitive developmental robotics: a survey” (PDF). 《IEEE Transactions on Autonomous Mental Development》 1 (1): 12–34. doi:10.1109/tamd.2009.2021702. 
  5. ↑ Oudeyer, P-Y. (2010). “On the impact of robotics in behavioral and cognitive sciences: from insect navigation to human cognitive development” (PDF). 《IEEE Transactions on Autonomous Mental Development》 2 (1): 2–16. doi:10.1109/tamd.2009.2039057. 
  6. ↑ Müller, G. B. (2007). “Evo-devo: extending the evolutionary synthesis”. 《Nature Reviews Genetics》 8: 943–949. doi:10.1038/nrg2219. PMID 17984972. 

바깥 고리 편집

기술 학회 편집

관련 학술 기관 및 연구자 (국가별 가나다순) 편집

독일

미국

영국

이탈리아

일본

프랑스

관련 대형 프로젝트 편집

블로그 및 기타 항목 편집

  • Developing Intelligence: http://scienceblogs.com/developingintelligence
원본 주소 "https://ko.wikipedia.org/w/index.php?title=사용자:Kim135797531/발달로봇공학&oldid=20633251"