日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

強化学習arXiv:2602.15817

未知の実行可能性を持つパラメータロバスト回避問題を強化学習で解く

Solving Parameter-Robust Avoid Problems with Unknown Feasibility using Reinforcement Learning

シェア:XThreadsFacebookLINEはてブBluesky

強化学習を用いて、安全な方策が存在する初期条件の部分集合を特定しながら、その集合上で到達可能性問題を解く手法FGEを提案した。

詳しい要約

1. どんなもの?

- 深層強化学習(RL)を到達可能性問題に適用する際の根本的な不一致を解決する研究。 - 到達可能性は安全が無限に続く状態集合を最大化するが、RLはユーザー指定分布の期待リターンを最適化するため、低確率だが安全集合内の状態で性能が悪化する。 - 初期条件(初期状態、ダイナミクス、安全集合)の集合に対するロバスト最適化として問題を定式化するが、解の存在は事前に未知の集合の実現可能性に依存する。 - 提案手法Feasibility-Guided Exploration (FGE)は、安全ポリシーが存在する実現可能な初期条件の部分集合を同時に特定し、その集合上で到達可能性問題を解くポリシーを学習する。

2. 先行研究と比べてどこがすごい?

- 従来のRLは期待リターン最適化のため、低確率状態での性能が不十分になる問題があった。 - ロバスト最適化の定式化では実現可能性が未知であるという課題があった。 - FGEは実現可能な初期条件の部分集合を特定しながらポリシーを学習することで、この課題に対処。 - 実験的に、MuJoCoおよびKinetixシミュレータの挑戦的な初期条件において、既存の最良手法より50%以上多いカバレッジを達成。

3. 技術・手法の肝は?

- Feasibility-Guided Exploration (FGE)を提案。 - 安全ポリシーが存在する実現可能な初期条件の部分集合を同時に特定し、その集合上で到達可能性問題を解くポリシーを学習する。 - 具体的なアルゴリズムの詳細は要旨からは不明。

4. どうやって有効だと検証した?

- MuJoCoシミュレータとKinetixシミュレータ(ピクセル観測)のタスクで評価。 - 挑戦的な初期条件において、FGEが学習したポリシーは既存の最良手法より50%以上多いカバレッジを示した。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、深層強化学習(RL)、到達可能性問題、ロバスト最適化、MuJoCoシミュレータ、Kinetixシミュレータが挙げられる。

※ 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: Oswin So, Eric Yang Yu, Songyuan Zhang, Matthew Cleaveland, Mitchell Black, Chuchu Fan

分類: cs.LG, cs.RO, math.OC

原文アブストラクト

Recent advances in deep reinforcement learning (RL) have achieved strong results on high-dimensional control tasks, but applying RL to reachability problems raises a fundamental mismatch: reachability seeks to maximize the set of states from which a system remains safe indefinitely, while RL optimizes expected returns over a user-specified distribution. This mismatch can result in policies that perform poorly on low-probability states that are still within the safe set. A natural alternative is to frame the problem as a robust optimization over a set of initial conditions that specify the initial state, dynamics and safe set, but whether this problem has a solution depends on the feasibility of the specified set, which is unknown a priori. We propose Feasibility-Guided Exploration (FGE), a method that simultaneously identifies a subset of feasible initial conditions under which a safe policy exists, and learns a policy to solve the reachability problem over this set of initial conditions. Empirical results demonstrate that FGE learns policies with over 50% more coverage than the best existing method for challenging initial conditions across tasks in the MuJoCo simulator and the Kinetix simulator with pixel observations.

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