Node Classification and Search on the Rubik’s Cube Graph with GNNs

要約

この研究では、3x3x3ルービックキューブを解くための深い幾何学モデルの適用に焦点を当てています。
まず、キューブのグラフ表現とモデルの最適化の目的として距離を定義することから説明します。
距離近似タスクは、グラフニューラルネットワーク（GNNS）を使用して効果的にアドレス指定され、ノード分類問題として再定式化されます。
ランダムサブグラフでモデルをトレーニングした後、予測クラスは$ a^*$検索のヒューリスティックを構築するために使用されます。
私たちのヒューリスティックをDeepcubeaモデルのヒューリスティックと比較する実験で締めくくります。

要約(オリジナル)

This study focuses on the application of deep geometric models to solve the 3x3x3 Rubik’s Cube. We begin by discussing the cube’s graph representation and defining distance as the model’s optimization objective. The distance approximation task is reformulated as a node classification problem, effectively addressed using Graph Neural Networks (GNNs). After training the model on a random subgraph, the predicted classes are used to construct a heuristic for $A^*$ search. We conclude with experiments comparing our heuristic to that of the DeepCubeA model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google