Physics-Based Task Generation through Causal Sequence of Physical Interactions

要約

物理環境でタスクを実行することは、現実世界で動作する AI システムにとって、重要かつ困難な問題です。
この課題に対処する研究を促進するために、物理シミュレーション ベースのタスクがよく使用されます。
この論文では、まず、オブジェクト間の物理的相互作用の因果関係を使用して物理的シナリオを定義するための体系的なアプローチを紹介します。
次に、これらの定義されたシナリオを入力として使用して、物理シミュレーション環境でタスクを生成する方法論を提案します。
私たちのアプローチにより、物理ベースのタスクを解決するために必要な詳細な仕組みをより深く理解できるようになり、AI システムの物理的推論能力の正確な評価が容易になります。
物理ベースのパズル ゲーム Angry Birds を使用して、提案されたタスク生成方法論を実証し、物理的安定性、意図された物理的相互作用を使用した解決可能性、および意図しない解決策を使用した偶発的な解決可能性などのさまざまな指標を使用して、生成されたタスクを評価します。
私たちは、提案した方法論を使用して生成されたタスクにより、物理的推論エージェントの微妙な評価が容易になり、より洗練された現実世界のアプリケーション向けのエージェント開発への道が開かれると信じています。

要約(オリジナル)

Performing tasks in a physical environment is a crucial yet challenging problem for AI systems operating in the real world. Physics simulation-based tasks are often employed to facilitate research that addresses this challenge. In this paper, first, we present a systematic approach for defining a physical scenario using a causal sequence of physical interactions between objects. Then, we propose a methodology for generating tasks in a physics-simulating environment using these defined scenarios as inputs. Our approach enables a better understanding of the granular mechanics required for solving physics-based tasks, thereby facilitating accurate evaluation of AI systems’ physical reasoning capabilities. We demonstrate our proposed task generation methodology using the physics-based puzzle game Angry Birds and evaluate the generated tasks using a range of metrics, including physical stability, solvability using intended physical interactions, and accidental solvability using unintended solutions. We believe that the tasks generated using our proposed methodology can facilitate a nuanced evaluation of physical reasoning agents, thus paving the way for the development of agents for more sophisticated real-world applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google