계층 구조를 보존하는 초극면 동적 모션 생성 모델

초록

본 논문은 인간 동작을 계층적 분류 체계(택소노미)와 물리적 일관성을 동시에 고려하여 생성하는 새로운 프레임워크인 Gaussian Process Hyperbolic Dynamical Model(GPHDM)을 제안한다. 초극면(하이퍼볼릭) 공간에 동적 prior를 정의하고, taxonomy‑aware inductive bias와 pullback‑metric 기반 지오데시를 결합해 물리적으로 타당하면서도 계층 구조를 따르는 새로운 모션을 생성한다. 손 잡기 택소노미 실험을 통해 기존 모델 대비 높은 구조 보존성과 동적 일관성을 입증한다.

상세 분석

GPHDM은 기존 Gaussian Process Dynamical Model(GPDM)의 동적 prior를 초극면 매니폴드에 확장한 점이 핵심이다. 초극면은 음의 상수 곡률을 갖는 라플라시안 공간으로, 트리 구조와 같은 계층적 데이터를 저차원에 자연스럽게 임베딩할 수 있다. 논문은 Lorentz 모델(H^D_L)을 주된 구현 기반으로 선택했으며, 이는 수치적 안정성이 뛰어나고 기하학적 연산(거리, 지수·로그 사상, 평행 이동 등)을 명시적으로 정의한다. 특히, Wrapped Gaussian Distribution(WGD)을 이용해 초극면 상에서 확률 밀도를 정의함으로써, 베이지안 추론이 가능한 연속형 잠재공간을 제공한다.

동적 prior는 첫 번째 마코프 가정을 초극면에 그대로 적용한다. 구체적으로, x_{t+1}=Exp_{x_t}(V_{x_t}A^T φ_t + ε_t) 형태로 전개되며, 여기서 φ_t는 비선형 베이시스 함수, A는 학습 가능한 가중치 행렬, V_{x_t}는 현재 점의 접공간에 대한 정규 직교 기저이다. 이 식은 Euclidean GPDM의 선형 동적 모델을 초극면에 맞게 일반화한 것으로, 로그 사상과 지수 사상을 통해 접공간에서의 선형 변환을 초극면 전체로 옮긴다. 동적 prior의 확률밀도는 초극면 WGD와 Jacobian determinant r_t를 곱한 형태로 전개되며, 이는 초극면의 부피 변환을 정확히 보정한다.

핵심적인 수학적 도구는 pullback metric이다. 관측 공간(Y, ℝ^{D_y})에 대한 매핑 f: X→Y가 주어지면, 잠재공간 X에 대한 메트릭 g_P는 f의 야코비안 J와 관측공간의 유클리드 메트릭을 통해 G_P = J^T J 로 정의된다. 이 메트릭은 잠재공간에서의 거리와 곡률을 관측공간의 물리적 제약과 일치시키는 역할을 하며, 논문에서는 이를 이용해 geodesic 기반 모션 생성 방법을 설계한다.

모션 생성 메커니즘은 세 가지로 제시된다. 1) 확률적 재귀 방식은 현재 잠재점에서 동적 prior의 조건부 분포를 샘플링해 순차적으로 새로운 점을 생성한다. 2) 또 다른 재귀 방식은 베이시스 함수와 가중치를 이용해 평균 경로를 계산하고, 그 위에 WGD 노이즈를 추가한다. 3) pullback‑metric geodesic 방법은 시작점과 목표 taxonomy 노드 사이의 초극면 지오데시를 계산하고, 이를 관측공간으로 매핑해 물리적으로 일관된 연속 동작을 얻는다.

실험에서는 손 잡기 택소노미(Grasp taxonomy)를 사용해 17개의 잡기 유형을 포함한 데이터셋을 학습하였다. 결과는 잠재공간에서 동일 taxonomy 노드에 속하는 샘플들이 초극면 상에서 뭉쳐 클러스터를 형성하고, 부모‑자식 관계가 지오데시를 따라 자연스럽게 연결되는 것을 보여준다. 또한, 생성된 모션은 관절 각도와 속도 측면에서 물리적 제약을 만족했으며, 기존 GPHL‑VM이 정적 포즈만을 재구성하는 데 비해 동적 일관성을 크게 향상시켰다. 정량적 평가는 평균 지오데시 거리, 동작 재현성, 그리고 물리적 충돌 검사 등을 포함했으며, GPHDM이 모든 지표에서 우수함을 입증한다.

본 연구의 주요 기여는 (1) 초극면에 대한 동적 prior를 정식으로 정의하고 베이지안 학습 파이프라인에 통합한 점, (2) taxonomy‑aware inductive bias와 pullback‑metric을 결합해 구조적·동적 일관성을 동시에 만족하는 모션 생성 메커니즘을 제시한 점, (3) 실제 로봇 손에 적용 가능한 물리적 일관성을 검증한 실험 결과이다. 한계점으로는 초극면 차원이 증가할수록 커널 계산 비용이 급증하고, Monte‑Carlo 기반 거리 근사가 정확도에 영향을 미칠 수 있다는 점이 있다. 향후 연구에서는 효율적인 하이퍼볼릭 커널 설계와 다중‑모달 택소노미(전신 동작 등) 확장을 목표로 할 수 있다.