論文の概要: Toward Compositional Generalization in Object-Oriented World Modeling

• arxiv url: http://arxiv.org/abs/2204.13661v1
• Date: Thu, 28 Apr 2022 17:22:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-29 13:17:04.790560
• Title: Toward Compositional Generalization in Object-Oriented World Modeling
• Title（参考訳）: オブジェクト指向世界モデリングにおける合成一般化に向けて
• Authors: Linfeng Zhao, Lingzhi Kong, Robin Walters, Lawson L.S. Wong
• Abstract要約: 我々は、世界モデリングにおける構成一般化を研究するために、オブジェクト指向環境における強化学習の設定に焦点を当てる。 概念的環境,Object Library,および2つのインスタンスを導入し,一般化能力を測定するために,原則化されたパイプラインをデプロイする。 定式化を動機として,我々のフレームワークを用いて,構成一般化能力の正確さや無さを考慮に入れたいくつかの手法を解析し,同型オブジェクト指向世界モデル(HOWM)を設計する。
• 参考スコア（独自算出の注目度）: 6.463111870767873
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Compositional generalization is a critical ability in learning and decision-making. We focus on the setting of reinforcement learning in object-oriented environments to study compositional generalization in world modeling. We (1) formalize the compositional generalization problem with an algebraic approach and (2) study how a world model can achieve that. We introduce a conceptual environment, Object Library, and two instances, and deploy a principled pipeline to measure the generalization ability. Motivated by the formulation, we analyze several methods with exact} or no compositional generalization ability using our framework, and design a differentiable approach, Homomorphic Object-oriented World Model (HOWM), that achieves approximate but more efficient compositional generalization.
• Abstract（参考訳）: 構成的一般化は学習と意思決定において重要な能力である。 我々は,オブジェクト指向環境における強化学習の設定に着目し,世界モデリングにおける構成一般化の研究を行う。 我々は(1)代数的アプローチで構成一般化問題を形式化し、(2)世界モデルがそれをどのように実現できるかを研究する。 概念環境,オブジェクトライブラリ,および2つのインスタンスを導入し,一般化能力を測定するための原則パイプラインをデプロイする。 定式化を動機として,我々のフレームワークを用いて構成一般化能力のない複数の手法を正確に分析し,より効率的な構成一般化を実現する相似オブジェクト指向世界モデル (HOWM) を設計する。

関連論文リスト

• What makes Models Compositional? A Theoretical View: With Supplement [60.284698521569936]
  本稿では,構成関数の一般神経-記号的定義とその構成複雑性について述べる。 既存の汎用および特殊目的のシーケンス処理モデルがこの定義にどのように適合しているかを示し、それらを用いて構成複雑性を分析する。
  論文  参考訳（メタデータ） (2024-05-02T20:10:27Z)
• Position Paper: Generalized grammar rules and structure-based generalization beyond classical equivariance for lexical tasks and transduction [7.523978255716284]
  一般化文法規則(GGR)の概念を用いて構成的に一般化可能なモデル構築のための汎用フレームワークを提案する。 私たちのフレームワークは、多くの既存の作品を特別なケースとして含めるのに十分な一般性を持っています。 我々は、GGRの実装方法に関するアイデアを提示し、その過程で強化学習やその他の研究分野との関連性を引き出す。
  論文  参考訳（メタデータ） (2024-02-02T18:44:37Z)
• Provable Compositional Generalization for Object-Centric Learning [55.658215686626484]
  既知の概念の新規な構成に一般化する学習表現は、人間と機械の知覚のギャップを埋めるのに不可欠である。 本稿では,デコーダの構造的仮定を満足し,エンコーダとデコーダの整合性を強制するオートエンコーダが,構成を確実に一般化するオブジェクト中心表現を学習することを示す。
  論文  参考訳（メタデータ） (2023-10-09T01:18:07Z)
• Compositional Generalization from First Principles [27.243195680442533]
  データ自体よりもデータ生成プロセスの特性としての組成性について検討する。 この再構成により、トレーニング分布とモデルアーキテクチャのサポートのみに関する穏やかな条件を導出することができる。 この結果は、合成一般化の原理的理論的研究の舞台となった。
  論文  参考訳（メタデータ） (2023-07-10T19:30:32Z)
• Compositional Generalisation with Structured Reordering and Fertility Layers [121.37328648951993]
  Seq2seqモデルは構成一般化に苦しむことが示されている。 本稿では、2つの構造演算を構成するフレキシブルなエンドツーエンドの微分可能なニューラルモデルを提案する。
  論文  参考訳（メタデータ） (2022-10-06T19:51:31Z)
• Abstract Interpretation for Generalized Heuristic Search in Model-Based Planning [50.96320003643406]
  ドメイン・ジェネラル・モデル・ベース・プランナーは、しばしば記号的世界モデルの緩和を通じて探索を構築することによって一般性を導出する。 抽象解釈がこれらの抽象化の統一フレームワークとして機能し、よりリッチな世界モデルに探索の範囲を広げる方法について説明する。 また、これらは学習と統合することができ、エージェントは抽象的な情報を通じて、新しい世界のモデルで計画を開始することができる。
  論文  参考訳（メタデータ） (2022-08-05T00:22:11Z)
• Improving Compositional Generalization in Classification Tasks via Structure Annotations [33.90268697120572]
  人間は構成を一般化する能力は大きいが、最先端のニューラルモデルはそれを行うのに苦労している。 まず、自然言語のシーケンス・ツー・シーケンス・データセットを、合成の一般化も必要とする分類データセットに変換する方法について検討する。 第二に、構造的ヒントを提供すること(特にトランスフォーマーモデルの注意マスクとしてパースツリーとエンティティリンクを提供すること)は、構成の一般化に役立つことを示す。
  論文  参考訳（メタデータ） (2021-06-19T06:07:27Z)
• Concept Learners for Few-Shot Learning [76.08585517480807]
  本研究では,人間の解釈可能な概念次元に沿って学習することで,一般化能力を向上させるメタ学習手法であるCOMETを提案する。 我々は,細粒度画像分類,文書分類,セルタイプアノテーションなど,さまざまな領域からの少数ショットタスクによるモデルの評価を行った。
  論文  参考訳（メタデータ） (2020-07-14T22:04:17Z)
• Compositional Generalization by Learning Analytical Expressions [87.15737632096378]
  メモリ拡張ニューラルモデルは、合成一般化を達成するために解析式に接続される。 良く知られたベンチマークSCANの実験は、我々のモデルが構成的一般化の優れた能力をつかむことを示した。
  論文  参考訳（メタデータ） (2020-06-18T15:50:57Z)
• Deep Sets for Generalization in RL [15.092941080981706]
  本稿では,言語指導型強化学習エージェントの報酬関数とポリシーアーキテクチャの設計におけるオブジェクト指向表現の符号化について検討する。 自然言語の目標を目標とするエージェントがオブジェクトをナビゲートし、対話する2Dプロシージャ生成の世界において、これらのアーキテクチャは分布外目標に対して強力な一般化能力を示すことを示す。
  論文  参考訳（メタデータ） (2020-03-20T18:22:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。