日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

メタ強化学習arXiv:2603.02935

オフラインメタ強化学習のための文脈潜在世界モデル

Contextual Latent World Models for Offline Meta Reinforcement Learning

シェア:XThreadsFacebookLINEはてブBluesky

オフラインのメタ強化学習において、タスク表現を潜在世界モデルに条件付けして共同学習することで、タスク依存のダイナミクスを捉える表現を獲得し、未見タスクへの汎化性能を向上させた。

詳しい要約

1. どんなもの?

- オフライン強化学習のメタ学習手法 - 固定データセットから関連タスクに汎化する方策を学習 - コンテキストベースのタスク表現推論を活用 - 潜在世界モデルをタスク表現で条件付け - 自己教師あり学習でタスク依存ダイナミクスを捉える

2. 先行研究と比べてどこがすごい?

- 従来のコンテキストベース手法は教師なしで効果的なタスク表現学習が困難 - 潜在世界モデルは時間的一貫性による自己教師あり表現学習で強み - 提案手法はタスク条件付き時間的一貫性を強制 - タスク識別だけでなくタスク依存ダイナミクスを捉える表現を学習 - 未見タスクへの汎化を大幅に改善

3. 技術・手法の肝は?

- コンテキスト潜在世界モデルを導入 - 推論されたタスク表現で潜在世界モデルを条件付け - コンテキストエンコーダと世界モデルを共同訓練 - タスク条件付き時間的一貫性を損失に組み込む - これによりタスク依存のダイナミクスを反映した表現を獲得

4. どうやって有効だと検証した?

- MuJoCoベンチマークで評価 - Contextual-DeepMind Controlベンチマークで評価 - Meta-Worldベンチマークで評価 - 未見タスクへの汎化性能を測定 - 提案手法が有意に改善することを確認

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Context-based meta-RL、Latent World Models、Offline Meta-RLの定番研究が挙げられる

※ 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: Mohammadreza Nakheai, Aidan Scannell, Kevin Luck, Joni Pajarinen

分類: cs.LG

原文アブストラクト

Offline meta-reinforcement learning seeks to learn policies that generalize across related tasks from fixed datasets. Context-based methods infer a task representation from transition histories, but learning effective task representations without supervision remains a challenge. In parallel, latent world models have demonstrated strong self-supervised representation learning through temporal consistency. We introduce contextual latent world models, which condition latent world models on inferred task representations and train them jointly with the context encoder. This enforces task-conditioned temporal consistency, yielding task representations that capture task-dependent dynamics rather than merely discriminating between tasks. Our method learns more expressive task representations and significantly improves generalization to unseen tasks across MuJoCo, Contextual-DeepMind Control, and Meta-World benchmarks.

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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI