중력 사전과 시간 예측이 능동 추론 기반 인터셉션 행동을 바꾸는 방법

초록

본 연구는 능동 추론(Active Inference) 에이전트를 이용해 중력 사전과 예측 시간 범위가 움직이는 물체를 가로채는 행동에 미치는 영향을 조사한다. 2‑D 공 낙하 시뮬레이션에서 수평 커서를 움직여 공을 잡는 네 가지 전략(단기·장기 예측 × 중력 사전 유무)을 비교했으며, 중력 사전과 장기 예측을 포함한 전략이 공간·시간 오차와 행동량에서 가장 우수함을 확인했다.

상세 분석

이 논문은 인간의 인터셉션 행동을 설명하기 위해 최신 인지 신경과학 이론인 능동 추론을 구현한 계산 모델을 제시한다. 먼저, 공이 중력 가속도 g = 9.81 m/s² 로 떨어지는 2‑D 환경을 정의하고, 에이전트는 수평 커서를 질량‑스프링‑댐퍼(MSD) 모델로 제어한다. 감각 입력은 위치와 속도에 대한 가우시안 잡음만을 포함해 시각 피드백만을 사용함으로써, 전통적인 베이시안 필터와 동일한 상태 추정 과정을 능동 추론의 자유 에너지 최소화 형태로 전개한다.

전략은 두 차원으로 구분된다. (1) 예측 시간 범위: ‘Next Location’은 현재 시점에서 100 ms 뒤 공의 위치를 예측해 커서의 목표점으로 설정하고, ‘Interceptive Location’은 공이 y‑축(수평선)과 교차할 최종 지점을 계산한다. (2) 중력 사전 유무: ‘With Gravity’는 상태 전이 방정식에 중력 가속도를 포함해 포물선 궤적을 모델링하고, ‘No Gravity’는 등속도 가정으로 단순화한다.

각 전략마다 목표점 a 를 매 시뮬레이션 스텝마다 업데이트하고, 행동 u 는 자유 에너지 F 의 기울기에 비례하는 학습률 α 와 감쇠 계수 β 를 이용해 ∆u = ‑α∂F/∂u − βu 로 계산한다. 여기서 자유 에너지 F 는 감각 예측 오차 ε_s 와 상태 예측 오차 ε_x 의 가중합으로 정의된다.

시뮬레이션은 초기 에이전트 위치 x₀ 와 공의 수평 속도 v₀ 를 광범위하게 변동시켜 10,000 가지 조건을 테스트했다. 성능 평가는 (i) 공간 오차 |x_ball − x_cursor|, (ii) 시간 오차 |t_intercept − t_closest|, (iii) 행동량 |u|, (iv) 움직임 반전 횟수 로 구성하였다. 결과는 다음과 같다.

1. 중력 사전을 포함한 모든 전략이 공간·시간 오차를 평균 15 %~25 % 감소시켰다. 이는 포물선 궤적을 정확히 예측함으로써 감각 지연을 보상하고, 목표점 설정 오류를 최소화한 것이다.
2. 장기 예측(Interceptive Location) 전략은 단기 예측보다 행동량이 30 % 낮고, 커서 궤적이 더 부드러워졌다. 이는 목표점이 미리 정의된 최종 교차점이므로, 에이전트가 연속적인 미세 조정을 덜 필요로 하기 때문이다.
3. ‘Next Location With Gravity’ 전략은 장기 전략보다는 행동량이 다소 높지만, 단기 예측에 중력 사전을 도입함으로써 ‘Next Location No Gravity’ 대비 시간 오차를 20 % 개선하였다.
4. 감각 잡음 표준편차를 0.01 m에서 0.05 m까지 증가시켜도, 중력 사전과 장기 예측을 결합한 전략은 성능 저하가 미미했으며, 특히 행동량과 반전 횟수가 안정적으로 유지되었다.

이러한 결과는 인간 뇌가 중력과 같은 물리적 불변량을 내부 모델로 보유하고, 상황에 따라 예측 시간 범위를 조절함으로써 효율적인 인터셉션을 구현한다는 가설을 뒷받침한다. 또한, 능동 추론 프레임워크가 감각‑운동 통합을 하나의 자유 에너지 최소화 문제로 통합함으로써, 기존 베이시안 필터 기반 최적 제어와 비교해 동일하거나 더 나은 성능을 제공함을 시사한다.