Cognitive Developmental Robotics: A Survey
M. Asada et al., "Cognitive Developmental Robotics: A Survey," in IEEE Transactions on Autonomous Mental Development, vol. 1, no. 1, pp. 12-34, May 2009, doi: 10.1109/TAMD.2009.2021702
本篇論文是對認知發展機器人學 (Cognitive Developmental Robotics, CDR) 的一項綜合性調查，旨在藉由一種發展性建構認知功能的合成方法，提供對人類高階認知功能如何發展的新理解。
研究目的 (Research Purpose)
CDR 的核心理念是**「物理實體具現」** (physical embodiment)，這使得資訊能夠透過與環境（包括其他智能體）的互動來形成結構。這項理念是基於人類認知功能從身體表徵發展到社會行為的假設模型所建構。
研究人員指出，現有系統即使在固定環境中，能力也有限，而高階認知功能的機制知識稀缺，導致人工系統的設計僅基於設計者對這些功能膚淺的理解。一個更嚴重的問題是，如果高階認知功能是透過初級功能發展而來，那麼現有對初級功能的理解和實現是否足夠。
本研究的目的之一是透過一種合成方法 (synthetic approach) 來回答這些問題。此方法結合了解釋理論 (explanation theory) 和設計理論 (design theory)，旨在填補現有學科之間的鴻溝，並提供對人類認知發展的新理解。具體來說，CDR 的目標是建立一個新範式，既能提供對我們自身的新理解，同時也能為與我們共生的人形機器人提供新的設計理論。
主要文獻 (Key Literature)
本研究是一項調查報告，涉及多個相關學科，包括人工智慧、機器人學、神經科學、認知科學、發展心理學和社會學。
CDR 的基礎是身體具現 (physical embodiment) 概念，它被定義為代理人的物理身體規定了其與環境互動的約束條件，從而產生豐富的內容和後果，並為認知和行動提供了物理基礎設施。
CDR 的發展模型借鑒了神經科學和發展心理學的現有知識。發展過程分為兩個主要階段：早期階段的個體發展，主要與神經科學（內部機制）相關；以及後期階段透過個體間互動的社會發展，主要與認知科學和發展心理學（行為觀察）相關。
在具體的文獻探討中，論文涵蓋了胎兒運動和感覺的觀察報告，神經科學中關於運動控制和注意力的發現，以及發展心理學中關於新生兒模仿、早期溝通 (例如躲貓貓遊戲)、共同注意力 和同理心發展的研究。
研究方法 (Research Methods)
CDR 採用合成方法，旨在建構計算模型並同時提供理解人類發展的新手段。
研究方法主要包括兩個方面：
A) 認知發展計算模型的建構 (Construction of computational model)：
- 假設生成：基於現有學科知識提出計算模型或假設。
- 電腦模擬：模擬難以用真實機器人實現的過程，如身體生長。
- 假設驗證：使用真實代理人（人類、動物和機器人）進行驗證。
B) 提供新手段或數據以更好地理解人類發展過程 (Offer new means or data)：
- 透過成像方法（如 fMRI）測量大腦活動。
- 利用人類或動物受試者進行驗證。
- 將機器人作為心理實驗中可靠的重現工具。
技術平台與實體具現： CDR 強調物理實體的重要性，因此研究中使用了特殊的機器人平台。例如，研究採用了 McKibben 氣動執行器作為仿生人工肌肉，以實現與傳統電磁馬達相比更具動態和柔性的運動。 研究平台還包括 CB (Child robot with Biomimetic body)，這是一款具有仿生身體的兒童機器人，其特點是全身柔軟的皮膚（帶有許多觸覺感測器）和柔性關節（51 個氣動執行器），旨在建立和維持長期的人機社會互動。
計算模擬實例：
- 胎兒運動模擬：Kuniyoshi 和 Sangawa 建立了胎兒模擬模型，該模型包含漂浮在子宮環境中的肌肉骨骼身體和一個最少的神經系統，以證明各種有意義的運動模式可以自發出現 (emerge)。
- 社會行為模擬：透過獎勵預測模型來實現機器人學習躲貓貓的溝通行為。在元音模仿研究中，研究人員利用高斯混合網路 (GMN) 模型來模擬模仿機制，其中包含了照顧者的自動鏡像偏差 (automirroring bias) 和感覺運動磁鐵效應 (sensorimotor magnet effect)。
研究結果 (Research Results)
- 身體形塑大腦 (Body Shapes Brain)：胎兒模擬結果顯示，多種全身運動模式是從身體、環境和神經系統之間的互動中純粹湧現出來的，這表明身體和環境互動產生的結構化資訊對於確定連接權重和整體大腦活動至關重要，即「身體形塑大腦」。
- 身體表徵和空間感知：合成方法研究表明，機器人可以透過學習視覺、觸覺和本體感覺之間的關聯來發展跨模態身體表徵 (cross-modal body representation)。例如，透過視覺注意力圖引導，機器人可以獲得與工具使用相關的視覺感受野，其結果與猴子頂葉神經元的活動相似。
- 動態運動機制：研究人員利用仿生肌肉骨骼系統 (pneumatic artificial muscles) 實現了動態運動，例如穩定的彈跳動作。這類機器人表明控制和身體結構緊密相連，身體本身具有控制計算的功能。此外，透過 CB 機器人實驗證明，利用其關節柔性，即使沒有精確的位置控制，也能吸收誤差，實現與人類的流暢物理互動和動作同步。
- 社會認知發展：fMRI 研究揭示了對自身與外部生成運動的內在監測存在功能側化：右側後頂葉皮層 (PPC) 在目標隱藏時表現出更高的活動，主要估計外部生成運動；而左側 PPC 在游標隱藏時表現出更高的活動，主要估計與自身身體運動一致的物體。
- 溝通和模仿：關於元音模仿的計算模型結果顯示，照顧者帶有感覺運動磁鐵和自動鏡像偏差的模仿，能有效地引導嬰兒的元音類別朝向正確的對應位置。對於共同注意力 (Joint Attention) 的發展，研究表明，學習的關鍵是再現互動中的偶發性 (contingency)，而非僅僅依賴獎勵。
研究後續的應用 (Future Applications)
CDR 致力於攻擊高階認知發展的主要問題，並為人類發展提供更深入的理解。後續的應用和研究方向包括：
- 模型細化與驗證：需要透過不斷的相互回饋，在現有簡單模型中增加更多的大腦區域、感官器官和身體部位的細節，以實現更真實的模擬。
- 硬體平台改進：需要改進平台，特別是缺乏適用於發展研究的良好平台，例如帶有觸覺感測器的手指-手-手臂系統。
- 釐清運動與認知的關係：需要新的實驗方案來建模運動技能發展與認知發展之間的途徑，例如它們是「相互觸發」還是「相互干擾」。
- 解決關鍵發展階段：「物體恆存性」(Object permanence) 是發展高階認知功能的重要步驟，但尚未被合成方法系統性地解決，因此是一個很好的目標。
- 發展性障礙研究：利用 CDR 的合成方法研究自閉症譜系障礙 (ASD) 和威廉斯綜合症 (WS) 等發展性障礙，可以建構計算模型來解釋這些障礙的結構，從而創造 CDR 的新科學價值。
- 邁向口語溝通：未來的工作將會探討多模態共同注意力如何透過交叉促進學習來發展，以及如何整合凝視追蹤和詞彙-物體映射的學習，以促進口語的習得。
