最小限の身体性がロボットによる数の概念の効率的な学習を可能にする

要旨: ロボットはますます、人と相互に関わるシナリオに入り込むようになり、その中では数量の理解が必要になります。感覚運動経験から、知的システムが抽象的な数値概念をどのように獲得するのかは、認知科学および人工知能における根本的な課題です。ここでは、Franka Panda マニピュレータとの自然主義的なロボット相互作用を通じて逐次的な数え上げを行うよう訓練したニューラルネットワークモデルによる、身体性を備えた数値学習を調査します。我々は、身体性を備えたモデルが、学習データの 10 % だけで 96.8 % の数え上げ精度を達成することを示します。これは、視覚のみのベースラインの 60.6 % と比べて優れています。この優位性は、視覚—運動対応がランダム化されても維持されます。これは、身体性が情報源として働くのではなく、学習を正則化する構造的な事前知識（構造プリオル）として機能することを示しています。モデルは自発的に、生物学的にもっともらしい表現を発達させます。すなわち、対数的チューニングを伴う数選択ユニット、心的な数の線（メンタル・ナンバー・ライン）の組織化、ウェーバーの法則に従うスケーリング、そして数値の大きさを符号化する回転ダイナミクス（r = 0.97, 傾き = 30.6{ \deg}/count）です。学習の軌跡は、部分集合の知り手（subset-knowers）から基数原理の知り手（cardinal-principle knowers）へと至る子どもの発達過程と並行しています。これらの発見は、最小限の身体性によって抽象概念を基礎付けられること、データ効率を向上できること、そして生物学的な認知に整合する解釈可能な表現を得られることを示しています。これは、身体性を備えた数学チュータリングや、安全性が極めて重要な産業用途への貢献につながる可能性があります。