神経記号的コンセプト

- 概念中心のエージェント構築パラダイムを提示する論文 - neuro-symbolic concepts の語彙(object/relation/action concepts 等)を中核に据える - 各概念は sensory inputs と actuation outputs に grounded される - 概念は compositional で、構造的組合せにより新概念を生成可能 - 概念は typed で、symbolic programs と neural network representations の組合せで表現 - 2D images, videos, 3D scenes, robotic manipulation まで対象

- 先行研究との具体的比較は要旨からは不明 - 主張される利点は data efficiency, compositional generalization, continual learning, zero-shot transfer - 概念を neuro-symbolic に typed 表現し、学習と推論の両方を支える点を特徴として提示 - 複数ドメイン横断で概念の学習・再結合を行う枠組みとして位置づけ

- neuro-symbolic concepts の語彙を定義し、sensory inputs/actuation outputs に grounding - 概念を typed にし、symbolic programs と neural network representations を組合せて表現 - compositional な構造的組合せで新規概念を生成 - 学習した概念を再結合して多様なタスクを解く - 詳細なアルゴリズムや学習手続きは要旨からは不明

- 2D images, videos, 3D scenes, robotic manipulation tasks にまたがるタスクで有効性を示すと記述 - data efficiency, compositional generalization, continual learning, zero-shot transfer の利点を主張 - 具体的な実験設定・ベースライン・定量結果は要旨からは不明

- 利点として data efficiency, compositional generalization, continual learning, zero-shot transfer を挙げる - 限界・失敗事例・計算コスト・スケーラビリティ等の議論は要旨からは不明 - 概念の grounding や typed 表現の設計に関する詳細な議論は要旨からは不明

- 要旨で参照・比較されている個別研究は明示されていない - 関連手法として neuro-symbolic reasoning、program synthesis、compositional generalization、continual learning、zero-shot transfer の定番研究を次に読む候補とする - robotic manipulation における concept learning 関連の定番研究も候補