日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

階層強化学習arXiv:2608.02993

ニューロシンボリック推論とインクリメンタル知識によるサンプル効率的な階層強化学習

Neurosymbolic Reasoning with Incremental Knowledge for Sample Efficient Hierarchical Reinforcement Learning

シェア:XThreadsFacebookLINEはてブBluesky

階層強化学習において、探索中に得た知識をシンボリックな高レベルプランナーに逐次反映させることで、サンプル効率を大幅に向上させる手法を提案した。

詳しい要約

1. どんなもの?

本論文は、スパースな報酬と長期的な推論を必要とする環境における強化学習のサンプル効率を改善するために、記号的計画とニューラルな低レベル制御を組み合わせたNeuroSymbolic Hierarchical RLフレームワークを提案している。特に、学習中に獲得される知識をインクリメンタルに更新・利用するIncremental Knowledge (InK)を導入し、高レベルの記号的プランナーが現在の知識表現上でD*などの記号的計画を行い、低レベルのゴール条件付きニューラルモジュールが報酬整形を用いて運動プリミティブを学習する。さらに、事前知識が与えられた場合に最適な記号的計画を実現するBelief World Tree Search (BWTS)も開発している。

2. 先行研究と比べてどこがすごい?

従来のHierarchical RL (HRL)では、知識は固定された非更新形式(アーキテクチャの選択など)でエンコードされ、学習中に変化しない。そのため、探索中に得られるインクリメンタルな知識を推論に活用することができず、十分な環境知識が獲得されるまでサンプル効率が悪い。本提案は、知識を動的に更新可能な表現として扱い、記号的計画に組み込む点で新規性がある。これにより、学習初期から得られた知識を活用でき、サンプル効率が大幅に向上する。

3. 技術・手法の肝は?

手法の核心は、NeuroSymbolic HRLフレームワークにIncremental Knowledge (InK)を統合した点である。高レベルでは、現在のInKを表現する更新可能なマップ上でD*などの記号的プランナーを用いて計画を実行する。低レベルでは、ゴール条件付きのニューラルモジュールが報酬整形を用いてサブゴール達成のための運動プリミティブを学習する。さらに、事前知識が存在する場合に最適な計画を求めるため、Belief World Tree Search (BWTS)を開発し、信念状態の木探索により最適な行動系列を導出する。

4. どうやって有効だと検証した?

ナビゲーションタスクにおける実験を通じて、InKを組み込むことでサンプル効率が大幅に向上することを示した。具体的な数値や比較対象は要旨からは不明だが、提案手法が従来の固定知識を用いるHRLよりも優れていることを実証している。

5. 議論はある?

要旨からは、提案手法の限界や課題についての議論は明示されていない。ただし、InKの更新方法やBWTSの計算コスト、大規模環境へのスケーラビリティなどが潜在的な議論点として考えられるが、要旨には記載がないため不明。

6. 次に読むべき論文は?

要旨で参照されている関連研究として、Hierarchical RL、NeuroSymbolic Reasoning、D*アルゴリズム、Belief World Tree Searchが挙げられる。次に読むべき論文としては、これらの基礎となる研究、例えばHierarchical RLの古典的論文(Options Frameworkなど)やNeuroSymbolic AIのサーベイ、D*の原著論文などが考えられるが、要旨に具体的な論文名は記載されていない。

※ 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: Subrat Prasad Panda, Blaise Genest, Arvind Easwaran

分類: cs.AI, cs.RO

原文アブストラクト

(Flat) Reinforcement Learning (RL) agents face significant challenges in environments with sparse rewards that require long-horizon reasoning. A compelling approach to improve sample efficiency is to incorporate knowledge into learning and decision-making. In standard Hierarchical RL (HRL), knowledge is encoded in a fixed, non-updatable form, such as architectural choices, and remains unchanged throughout learning. With fixed HRL, reasoning with incremental knowledge learned during exploration is impractical before sufficient environmental knowledge is acquired, leading to poor sample efficiency. In this work, we propose neurosymbolic HRL with {\em Incremental Knowledge (InK)}: symbolic high-level components perform {\em symbolic planning} (e.g. using $D^*$) on an updatable representation of current InK, while low-level goal-conditioned neural modules learn motion primitives through experience using reward shaping. Experiments on navigation tasks demonstrate that incorporating InK substantially improves sample efficiency. Additionally, to perform {\em optimal} symbolic planning given {\em prior} knowledge about the world, we develop Belief World Tree Search. The code is available at https://github.com/CPS-research-group/ink_bwts.

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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI