Towards Conscious Service Robots

要約

知覚、自然言語加工などにおけるディープラーニングの成功は、自律的なロボット工学の進歩への希望を刺激します。
ただし、実際のロボット工学は、変動性、高次元状態空間、非線形依存性、部分的な観測可能性などの課題に直面しています。
重要な問題は、ロボット、環境、タスクの非定常性であり、分散データを備えたパフォーマンスの低下につながります。
現在の機械学習モデルとは異なり、人間は体系的な一般化とメタ認知を可能にする認知アーキテクチャのために、変化と新しいタスクに迅速に適応します。
Human Brain’s System 1は、無意識のうちにルーチンタスクを処理しますが、System 2は複雑なタスクを意識的に管理し、柔軟な問題解決と自己監視を促進します。
ロボットが人間のような学習と推論を実現するには、因果モデル、作業記憶、計画、およびメタ認知処理を統合する必要があります。
人間の認知洞察を組み込むことにより、次世代のサービスロボットは、新しい状況を処理し、リスクを避け、エラーを緩和するために自分自身を監視します。

要約(オリジナル)

Deep learning’s success in perception, natural language processing, etc. inspires hopes for advancements in autonomous robotics. However, real-world robotics face challenges like variability, high-dimensional state spaces, non-linear dependencies, and partial observability. A key issue is non-stationarity of robots, environments, and tasks, leading to performance drops with out-of-distribution data. Unlike current machine learning models, humans adapt quickly to changes and new tasks due to a cognitive architecture that enables systematic generalization and meta-cognition. Human brain’s System 1 handles routine tasks unconsciously, while System 2 manages complex tasks consciously, facilitating flexible problem-solving and self-monitoring. For robots to achieve human-like learning and reasoning, they need to integrate causal models, working memory, planning, and metacognitive processing. By incorporating human cognition insights, the next generation of service robots will handle novel situations and monitor themselves to avoid risks and mitigate errors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google