日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

階層型強化学習arXiv:2505.21410

MRS: 階層型強化学習エージェントのためのマルチ解像度スキル

MRS: Multi-Resolution Skills for HRL Agents

シェア:XThreadsFacebookLINEはてブBluesky

階層型強化学習において、複数の時間スケールに特化した目標予測モジュールを学習し、状態に応じてメタコントローラが選択することで、敏捷性が必要なタスクの性能を向上させる手法を提案。

詳しい要約

1. どんなもの?

- 階層型強化学習(HRL)における新手法「Multi-Resolution Skills(MRS)」の提案 - HRLはmanagerとworkerに方策を分解し長期計画を可能にするが、俊敏性が求められるタスクで性能ギャップが生じる問題を扱う - 複数の時間ホライズンに特化したgoal-predictionモジュールを学習し、状態に応じて選択するmeta-controllerを備える - DeepMind Control Suite、Gym-Robotics、long-horizon AntMazeで評価

2. 先行研究と比べてどこがすごい?

- 従来のsubgoal-based HRLではmanagerのgoal表現が到達可能性や時間距離の制約なしに学習され、精密な局所subgoal選択が妨げられていたと指摘 - 最適なsubgoal距離はタスクと状態に依存することを示す:近いsubgoalは精密制御を可能にするが予測ノイズを増幅、遠いsubgoalは滑らかな動きだが幾何学的精度を犠牲にする - 固定解像度のbaselineを一貫して上回り、HRLと非HRLのstate-of-the-artとの性能ギャップを大幅に縮小

3. 技術・手法の肝は?

- 複数のgoal-predictionモジュールを用意し、各モジュールを固定の時間ホライズンに特化させて学習 - 現在の状態に基づいてどのモジュールを選択するかを決めるmeta-controllerを同時に訓練 - 単一の固定解像度ではなく、状態依存に複数の時間スケールのsubgoal予測を切り替える点が肝

4. どうやって有効だと検証した?

- DeepMind Control Suite、Gym-Robotics、long-horizon AntMazeの3つのベンチマークで評価 - 固定解像度のbaselineと比較し、MRSが一貫して優れることを示す - 非HRLのstate-of-the-artとの性能ギャップを大幅に縮小したことを報告

5. 議論はある?

- 最適なsubgoal距離がタスク・状態依存であるという分析に基づき、近距離と遠距離のトレードオフ(精密制御 vs 滑らかさ、予測ノイズ増幅 vs 幾何学的精度低下)を議論 - 具体的な限界や失敗ケース、計算コストなどの詳細は要旨からは不明

6. 次に読むべき論文は?

- subgoal-based HRLのmanager/worker構成に関する先行研究(要旨では個別名の参照なし) - DeepMind Control Suite、Gym-Robotics、AntMazeを用いたHRL研究 - 非HRLのstate-of-the-art手法(比較対象として言及) - 階層型強化学習の一般的な定番手法(例:option、feudal networks系)

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Shashank Sharma, Janina Hoffmann, Vinay Namboodiri

分類: cs.AI, cs.LG, cs.RO

原文アブストラクト

Hierarchical reinforcement learning (HRL) decomposes the policy into a manager and a worker, enabling long-horizon planning but introducing a performance gap on tasks requiring agility. We identify a root cause: in subgoal-based HRL, the manager's goal representation is typically learned without constraints on reachability or temporal distance from the current state, preventing precise local subgoal selection. We further show that the optimal subgoal distance is both task- and state-dependent: nearby subgoals enable precise control but amplify prediction noise, while distant subgoals produce smoother motion at the cost of geometric precision. We propose Multi-Resolution Skills (MRS), which learns multiple goal-prediction modules each specialized to a fixed temporal horizon, with a jointly trained meta-controller that selects among them based on the current state. MRS consistently outperforms fixed-resolution baselines and significantly reduces the performance gap between HRL and non-HRL state-of-the-art on DeepMind Control Suite, Gym-Robotics, and long-horizon AntMaze tasks. [Project page: https://sites.google.com/view/multi-res-skills/home]

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI