고유수용성-시각적 대응 관계가 인간형 로봇의 자기-타인 구분을 가능하게 한다

Proprioceptive-visual correspondence enables self-other distinction in humanoid robots

자기와 타인을 구분하는 능력은 사회적 지능의 필수적인 요소이지만, 인간과 함께 작업 공간을 공유하는 인간형 로봇은 아직 이러한 능력이 부족합니다. 본 연구에서는 인간형 로봇이 신체 정보(고유수용성)와 시각 정보를 결합하여, 별도의 식별 정보나 운동 모델 없이 자기-타인 구분을 학습할 수 있음을 보여줍니다. 일단 자기-타인 구분이 확립되면, 이 정보는 예측 가능한 자기 모델을 구축하는 데 활용되어 관절 각도를 3차원 공간에서의 신체 점유 영역으로 매핑합니다. 이를 통해 로봇의 신체가 움직임에 따라 어떻게 변화하는지를 파악할 수 있습니다. 인간이나 외형적으로 동일한 로봇이 포함된 다중 에이전트 환경에서, 이 시스템은 안정적으로 자신을 식별하고 3차원 자기 모델을 학습하며, 목표 지점 도달, 충돌 회피 경로 계획, 그리고 인간의 움직임을 로봇의 움직임으로 변환하는 등 다양한 후속 작업을 지원합니다. 이러한 결과는 함께 작업하는 물리적 환경에서 다른 존재들과 상호 작용하고 조율하는 로봇에게 신체 자기 인식 능력을 부여하는 방법론을 제시합니다. 프로젝트 페이지: https://euron-zc.github.io/humanoid-self-model/.

Distinguishing self from others is a prerequisite for social intelligence, yet humanoid robots that increasingly share workspaces with humans still lack this ability. Here we show that a humanoid robot can learn self-other distinction from proprioceptive-visual correspondence, without any identity labels or kinematic models. Once established, this distinction bootstraps a predictive self-model that maps joint configurations to three-dimensional body occupancy, capturing how the robot's body changes with action. In multi-agent scenes involving humans or morphologically identical robots, the system reliably identifies itself, learns a 3D self-model, and supports downstream tasks including target reaching, collision-aware motion planning, and human-to-robot motion retargeting. Together, these results outline a route toward bodily self-representation in robots that act and coordinate alongside others in shared physical environments. Project page: https://euron-zc.github.io/humanoid-self-model/.