因果関係を考慮した強化学習のためのオブジェクト中心の世界モデル

- 高次元・非定常・複数物体の相互作用を含む環境のための world model と強化学習フレームワーク - 名称は STICA (Slot Transformer Imagination with CAusality-aware reinforcement learning) - 観測を object-centric tokens の集合として表現し、agent action と reward の tokens も加える - object-centric Transformers を world model 兼 causality-aware な policy/value networks として統合 - 物体分解に基づく人間の知覚に着想を得た統一フレームワーク

- 多くの既存 world model は環境全体を holistic representations として学習するため、複数物体の rich interactions を正確に再現しにくい - STICA は観測を object-centric tokens に分解し、token-level dynamics と interactions を予測 - policy/value networks が token-level cause–effect relations を推定し attention layers で利用 - object-rich benchmarks で state-of-the-art agents に対し sample efficiency と final performance の両方で一貫して優位と報告

- 観測を object-centric tokens の集合として表現 - agent action と resulting reward の tokens も系列に含め、world model が token-level dynamics と interactions を予測 - object-centric Transformers を world model として使用 - causality-aware な policy と value networks が token-level cause–effect relations を推定 - 推定した因果関係を attention layers に組み込み、causality-guided decision-making を実現

- object-rich benchmarks 上で実験 - STICA を state-of-the-art agents と比較 - sample efficiency と final performance の両指標で一貫した優位性を確認したと報告 - 具体的な benchmark 名・baseline 名・数値は要旨からは不明

- 要旨からは不明 - 想定される論点として、object-centric tokens の抽出品質、token-level cause–effect 推定の妥当性、多物体環境でのスケーラビリティが考えられるが、要旨に明記なし

- 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 Slot Attention 系の object-centric representation learning、Transformer ベースの world models、causality-aware reinforcement learning の代表的論文を次に読む候補として挙げる