論文の概要: Solving a Rubik's Cube Using its Local Graph Structure

• arxiv url: http://arxiv.org/abs/2408.07945v1
• Date: Thu, 15 Aug 2024 05:39:52 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-16 14:58:11.650979
• Title: Solving a Rubik's Cube Using its Local Graph Structure
• Title（参考訳）: 局所グラフ構造を用いたルービックキューブの解法
• Authors: Shunyu Yao, Mitchy Lee,
• Abstract要約: ルービックスキューブには6つの面と12の可能なアクションがあり、小さくて制約のないアクション空間に繋がる。 ルービックスキューブはグラフとして表すことができ、立方体の状態はノードであり、作用はエッジである。 グラフ畳み込みネットワークに基づいて、スクランブルされたルービックスキューブの解を見つけるための新しい探索アルゴリズムを設計する。
• 参考スコア（独自算出の注目度）: 13.219469732742354
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The Rubix Cube is a 3-dimensional single-player combination puzzle attracting attention in the reinforcement learning community. A Rubix Cube has six faces and twelve possible actions, leading to a small and unconstrained action space and a very large state space with only one goal state. Modeling such a large state space and storing the information of each state requires exceptional computational resources, which makes it challenging to find the shortest solution to a scrambled Rubix cube with limited resources. The Rubix Cube can be represented as a graph, where states of the cube are nodes and actions are edges. Drawing on graph convolutional networks, we design a new heuristic, weighted convolutional distance, for A star search algorithm to find the solution to a scrambled Rubix Cube. This heuristic utilizes the information of neighboring nodes and convolves them with attention-like weights, which creates a deeper search for the shortest path to the solved state.
• Abstract（参考訳）: Rubix Cubeは、強化学習コミュニティで注目を集めている3次元シングルプレイヤーの組み合わせパズルである。 ルービックスキューブは6つの面と12の可能なアクションを持ち、小さくて制約のないアクション空間と、1つの目標状態しか持たない非常に大きな状態空間に繋がる。 このような大きな状態空間をモデル化し、各状態の情報を保存するには例外的な計算資源が必要であるため、限られた資源を持つスクランブルされたルービックスキューブの最も短い解を見つけることは困難である。 ルービックスキューブはグラフとして表すことができ、立方体の状態はノードであり、作用はエッジである。 グラフ畳み込みネットワークに基づいて、A星探索アルゴリズムのための新しいヒューリスティックな重み付き畳み込み距離を設計し、スクランブルされたルービックスキューブの解を求める。 このヒューリスティックは近隣のノードの情報を利用し、それらに注意のような重みを加え、解決された状態への最も短い経路をより深く探索する。

関連論文リスト

• Node Classification and Search on the Rubik's Cube Graph with GNNs [55.2480439325792]
  本研究では3x3x3ルービックのルービック問題を解くための深部幾何学モデルの応用に焦点を当てた。 まず、立方体のグラフ表現と距離をモデルの最適化目的として定義することから始める。 距離近似タスクはノード分類問題として再構成され、グラフニューラルネットワーク(GNN)を用いて効果的に処理される。
  論文  参考訳（メタデータ） (2025-01-30T18:52:43Z)
• CubeFormer: A Simple yet Effective Baseline for Lightweight Image Super-Resolution [55.94314421887744]
  軽量画像超解像(SR)法は、解像度を高め、軽量ニューラルネットワークを用いて画像の詳細を復元することを目的としている。 分析の結果,これらの手法は,特徴表現や細部回復に悪影響を及ぼす制約付き特徴多様性によって妨げられていることが明らかとなった。 そこで我々は,包括的情報集約を完了させることにより,特徴の豊かさを高めるために,CubeFormerというシンプルで効果的なベースラインを提案する。
  論文  参考訳（メタデータ） (2024-12-03T08:02:26Z)
• Solving Rubik's Cube Without Tricky Sampling [0.6445605125467574]
  ルービックキューブはその広大な州空間とまばらな報酬構造を持ち、強化学習にとって重要な課題である。 従来の研究では、解決された状態からコスト・ツー・ゴーの見積を伝播し、探索手法を取り入れることによって、この問題に対処していた。 本稿では, ポリシ勾配法を用いて, ほぼ解決状態サンプリングに依存することなく, ルービックキューブを解く新しいRLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-11-29T09:56:40Z)
• XCube: Large-Scale 3D Generative Modeling using Sparse Voxel Hierarchies [56.460739605550565]
  任意の属性を持つ高分解能スパース3Dボクセルグリッドのための新しい生成モデルであるXCubeを提案する。 高精細度オブジェクトを生成することに加え、ユーザガイド編集、単一スキャンからのシーン補完、テキスト・トゥ・3Dといった様々なタスクを解くために、我々のモデルが利用できることを示す。
  論文  参考訳（メタデータ） (2023-12-06T16:23:26Z)
• Towards Learning Rubik's Cube with N-tuple-based Reinforcement Learning [0.0]
  この研究は、一般ボードゲーム(GBG)学習およびプレイフレームワークにおいて、ルービックキューブゲーム(またはパズル)の学習と解決方法を詳細に記述している。 立方体の状態表現、ねじれ、全キューブ回転、色変換でそれを変換する方法、およびルービックキューブにおける対称性の使用を説明する。
  論文  参考訳（メタデータ） (2023-01-28T11:38:10Z)
• Video Anomaly Detection by Solving Decoupled Spatio-Temporal Jigsaw Puzzles [67.39567701983357]
  ビデオ異常検出(VAD)はコンピュータビジョンにおいて重要なトピックである。 近年の自己教師型学習の進歩に触発された本論文は,直感的かつ難解なプレテキストタスクを解くことによって,VADに対処する。 提案手法は3つの公開ベンチマークにおいて最先端のベンチマークよりも優れている。
  論文  参考訳（メタデータ） (2022-07-20T19:49:32Z)
• CubeTR: Learning to Solve The Rubiks Cube Using Transformers [0.0]
  ルービックス立方体は、可能な構成の五重項に対して単一の解状態を持ち、非常にスパースな報酬をもたらす。 提案モデルであるCubeTRは、より長いアクションシーケンスに参加し、スパース報酬の問題に対処する。
  論文  参考訳（メタデータ） (2021-11-11T03:17:28Z)
• Self-Supervision is All You Need for Solving Rubik's Cube [0.0]
  この研究は、ルービックキューブで表される、あらかじめ定義されたゴールで問題を解決するためのシンプルで効率的なディープラーニング手法を導入する。 このような問題に対して、目標状態から分岐するランダムスクランブル上でディープニューラルネットワークをトレーニングすることは、ほぼ最適解を達成するのに十分であることを示す。
  論文  参考訳（メタデータ） (2021-06-06T15:38:50Z)
• Self-supervised Video Representation Learning by Uncovering Spatio-temporal Statistics [74.6968179473212]
  本稿では,自己指導型学習問題に対処する新しい前提課題を提案する。 最大運動の空間的位置や支配的な方向など,分割的・時間的統計的な要約を連続して計算する。 ビデオフレームを入力として与えられた統計的要約を得るために、ニューラルネットワークを構築して訓練する。
  論文  参考訳（メタデータ） (2020-08-31T08:31:56Z)
• node2coords: Graph Representation Learning with Wasserstein Barycenters [59.07120857271367]
  グラフの表現学習アルゴリズムである node2coords を導入する。 低次元空間を同時に学習し、その空間内のノードを座標する。 実験の結果,node2coordで学習した表現は解釈可能であることがわかった。
  論文  参考訳（メタデータ） (2020-07-31T13:14:25Z)

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。