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、複数のエンティティ間の動的で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制御によって対処されてきました。
その代わりに、生物学的に動機付けられた最近の提案では、計画と制御を推論プロセスとして位置づけています。
能動推論は、行動と知覚が人生の 2 つの相補的な側面であり、前者の役割は後者によって推論された予測を満たすことであると仮定します。
この研究では、複雑な制御タスクに対する能動推論に基づくソリューションを紹介します。
提案されたアーキテクチャはハイブリッド (離散的および連続的) 処理を活用しており、次の 3 つの機能に基づいています。
階層関係の使用により、エージェントがツールを使用するためにその本体スキーマを柔軟に拡張できるようになります。
エージェントの意図に関連する潜在的な軌道の定義。さまざまな時間スケールで動的要素を推論および計画するために使用されます。
このディープ ハイブリッド モデルを、移動ツールを選択した後に移動オブジェクトに到達するという習慣的なタスクで評価します。
モデルがさまざまな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研究を拡張し、最適な制御への代替方向を前進させます。

要約(オリジナル)

In order to determine an optimal plan for a complex task, 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. In this study, we present a solution, based on active inference, for complex control tasks. The proposed architecture exploits hybrid (discrete and continuous) processing, and it is based on three features: the representation of potential body configurations related to the objects of interest; the use of hierarchical relationships that enable the agent to 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