Deep hybrid models: infer and plan in a dynamic world

要約

複雑なタスクの最適な計画を決定するために、多くの場合、いくつかのエンティティ間の動的および階層的な関係を扱います。
従来、このような問題は、コスト関数の最適化に依存する最適な制御で取り組まれています。
代わりに、最近の生物学的に動機付けられた提案は、推論プロセスとして計画と管理をキャストしています。
アクティブな推論は、行動と知覚が人生の2つの補完的な側面であり、前者の役割は後者によって推測される予測を満たすことであると想定しています。
ここでは、3つの機能に基づいて、個別の連続処理を活用するアクティブな推論アプローチを提示します。目的のオブジェクトに関連する潜在的な身体構成の表現。
エージェントがツールの使用のために体スキーマを簡単に解釈し、柔軟に拡張できるようにする階層的な関係の使用。
エージェントの意図に関連する潜在的な軌跡の定義は、異なる時間スケールで動的要素を推測および計画するために使用されます。
この深いハイブリッドモデルを習慣的なタスクで評価します。移動するツールを選んだ後に移動するオブジェクトに到達します。
モデルが異なる条件下で提示されたタスクに取り組むことができることを示します。
この研究は、推論としての計画に関する過去の作業を拡張し、最適な制御への代替方向を進めます。

要約(オリジナル)

To determine an optimal plan for complex tasks, one often deals with dynamic and hierarchical relationships between several entities. Traditionally, such problems are tackled with optimal control, which relies on the optimization of cost functions; instead, a recent biologically-motivated proposal casts planning and control as an inference process. Active inference assumes that action and perception are two complementary aspects of life whereby the role of the former is to fulfill the predictions inferred by the latter. Here, we present an active inference approach that exploits discrete and continuous processing, based on three features: the representation of potential body configurations in relation to the objects of interest; the use of hierarchical relationships that enable the agent to easily interpret and flexibly expand its body schema for tool use; the definition of potential trajectories related to the agent’s intentions, used to infer and plan with dynamic elements at different temporal scales. We evaluate this deep hybrid model on a habitual task: reaching a moving object after having picked a moving tool. We show that the model can tackle the presented task under different conditions. This study extends past work on planning as inference and advances an alternative direction to optimal control.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google