자기와 타인을 구별하는 것은 사회 지능에 필수적인 전제 조건이지만, 인간과 작업 공간을 점점 더 공유하게 되는 휴머노이드 로봇들은 여전히 이 능력이 부족합니다. 본 논문에서는 어떤 신원 레이블이나 운동학 모델 없이도 고유수용성감각-시각적 대응(proprioceptive-visual correspondence)으로부터 휴머노이드 로봇이 자기-타인 구별을 학습할 수 있음을 보여줍니다. 일단 이 구별 능력이 확립되면, 이는 관절 구성을 3차원 신체 점유 영역에 매핑하는 예측적 자기 모델(predictive self-model)을 부트스트랩(bootstrap)하며, 로봇의 몸이 행동에 따라 어떻게 변화하는지 포착합니다. 인간이나 형태학적으로 동일한 로봇이 관련된 다중 에이전트 장면에서, 이 시스템은 자신을 안정적으로 식별하고 3D 자기 모델을 학습하며, 목표 도달(target reaching), 충돌 인식 동작 계획(collision-aware motion planning), 그리고 인간-로봇 동작 리타겟팅(human-to-robot motion retargeting)을 포함한 다운스트림 작업들을 지원합니다. 종합적으로 볼 때, 이러한 결과들은 공유 물리 환경에서 다른 존재들과 함께 행동하고 협력하는 로봇의 신체적 자기 표현(bodily self-representation)으로 나아가는 경로를 제시합니다. 프로젝트 페이지: https://euron-zc.github.io/humanoid-self-model/.