論文の概要: Does Latent Context Help? A Controlled Evaluation of Inverse Reinforcement Learning in Arctic Shipping
- arxiv url: http://arxiv.org/abs/2608.06105v1
- Date: Thu, 06 Aug 2026 14:39:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 17:43:06.777045
- Title: Does Latent Context Help? A Controlled Evaluation of Inverse Reinforcement Learning in Arctic Shipping
- Title（参考訳）: 潜時文脈は役に立つか? 北極海における逆補強学習の制御による評価
- Abstract要約: 逆強化学習(IRL)は、血管軌跡からそのような報酬を回収するための枠組みを提供する。
最近のメタIRL法は、振る舞いの不均一性を捉えるために潜時文脈変数を導入している。
同じ非線形アーキテクチャ上に構築された線形共有報酬、非線形共有報酬、潜在コンテキストモデルを比較する。
- 参考スコア（独自算出の注目度）: 1.3414298287600028
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial Intelligence (AI)-assisted navigation can help Arctic shipping adapt to rapidly changing sea-ice conditions, but reliable deployment requires reward models that are interpretable and robust to changing environments. Inverse reinforcement learning (IRL) provides a framework for recovering such rewards from vessel trajectories, while recent meta-IRL methods introduce latent context variables to capture behavioral heterogeneity. However, it remains unclear whether these latent representations recover genuinely hidden preferences or simply re-encode information already available in the observed state. We conduct a controlled evaluation on 3,186 AIS-derived voyages from 202 vessels across nine Arctic shipping seasons, comparing a linear shared reward, a nonlinear shared reward, and a latent-context model built on the same nonlinear architecture. The nonlinear reward improves held-out likelihood by 50.9% over the linear baseline, whereas adding vessel-specific latent context reduces performance by 16.5%. Behavioral analysis, context probes, and a pre-registered feature-hiding ablation show that apparent vessel-level variation is largely explained by observable route and environmental conditions rather than hidden vessel-specific factors. Moreover, predictive accuracy, route fidelity, and reward transfer yield different model rankings, demonstrating that no single metric is sufficient to evaluate learned rewards. These findings motivate testing whether the observed route, environmental, and vessel features already explain behavioral variation before adding per-vessel latent context. This supports more trustworthy AI deployment in safety-critical domains.
- Abstract（参考訳）: 人工知能(AI)支援ナビゲーションは、北極海運が急速に変化する海氷条件に適応するのに役立つが、信頼性の高い展開には、環境の変化に対して解釈可能で堅牢な報酬モデルが必要である。
逆強化学習(IRL)は血管軌跡からそのような報酬を回収するための枠組みを提供する一方、最近のメタIRL法では、振る舞いの不均一性を捉えるために潜時文脈変数を導入している。
しかし、これらの潜伏表現が真に隠された嗜好を回復したのか、あるいは観測された状態にある情報を再エンコードしただけなのかは、まだ不明である。
我々は,9つの北極海運シーズンにおける202隻の船舶からの3,186隻のAIS由来の航海について,線形共有報酬,非線形共有報酬,同じ非線形アーキテクチャ上に構築された潜在コンテキストモデルを比較して,制御された評価を行った。
非線形報酬はリニアベースラインよりも保持率を50.9%向上する一方、容器固有の潜在コンテキストを追加することで性能が16.5%低下する。
行動分析,コンテキストプローブ,および事前登録された特徴強調は,明らかに血管レベルの変動は,隠された血管特異な要因ではなく,観測可能な経路や環境条件によって大きく説明されていることを示している。
さらに、予測精度、経路忠実度、報酬伝達は異なるモデルランキングをもたらし、学習した報酬を評価するのに十分な1つの指標が存在しないことを示す。
これらの知見は、観測された経路、環境、容器の特徴が、容器ごとの潜伏状況を加える前に、行動の変化を既に説明しているかどうかを調べる動機となっている。
これは、より信頼性の高いAIデプロイメントを安全クリティカルなドメインでサポートする。
関連論文リスト
- On-Policy Self-Distillation in Diffusion Models [89.32656931795293]
強化学習は、拡散モデルと人間の好みやタスク固有の目的とを一致させることができるが、エンドポイント報酬は、中間的偏見予測をどのように変更すべきかを規定していない。
そこで我々は、DiffusionOPSDを、画像レベルの報酬誘導を明示的なターゲットに変換して、サンプルクエリにおけるクリーンな出力予測を行うオンライン自己蒸留フレームワークとして導入する。
SD 3.5-Mとステップ蒸留したZ-Image-Turboを用いて、2つのバックボーンと10個の評価器で20の報酬マッチング設定のうち19のファイナルホールトアウトスコアを達成した。
論文 参考訳（メタデータ） (2026-08-25T14:55:24Z) - Context-Informed Ship Trajectory Prediction via Conditional Attention [17.738453989249656]
長期の船舶軌道予測は、海上安全と自律航行の基本的な能力である。
本研究では,条件生成タスクとして軌道予測を定式化する新しいエンコーダデコーダアーキテクチャであるConditional Informerを提案する。
実世界のデータの断続性に対処するために,センサフォールバック時の破滅的劣化を防止するためのモダリティマスキングトレーニング戦略を導入する。
論文 参考訳（メタデータ） (2026-07-29T19:38:55Z) - Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。
NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
論文 参考訳（メタデータ） (2026-05-21T16:45:31Z) - How Far Can Unsupervised RLVR Scale LLM Training? [57.44753418846446]
検証可能な報酬を伴う教師なし強化学習(URLVR)は、監督ボトルネックを越えてLLMトレーニングをスケールするための経路を提供する。
最近の研究は、モデル固有の信号を活用し、期待できる早期の利得を示しているが、その可能性と限界は未だ不明である。
我々は、URLVRメソッドを報酬源に基づく固有対外部に分類し、統一された理論的枠組みを確立する。
論文 参考訳（メタデータ） (2026-03-09T17:38:11Z) - On the Structural Non-Preservation of Epistemic Behaviour under Policy Transformation [51.56484100374058]
このような情報条件の相互作用パターンを振る舞い依存として定式化する。
これにより、$$-behavioural equivalenceというプローブ相対的な概念と、政治内行動距離が導かれる。
その結果、共通政策変換の下でプローブ条件の挙動分離が保存されない構造条件が明らかになった。
論文 参考訳（メタデータ） (2026-02-24T22:55:21Z) - A Gradient Boosted Mixed-Model Machine Learning Framework for Vessel Speed in the U.S. Arctic [0.0]
我々は2010-2019年における自動識別システム(AIS)データを解析し,地上における船体速度(SOG)について検討した。
我々は2段階の機械学習フレームワークを適用し、まず0以上のSOGの確率をモデル化し、次に正のSOG条件をモデル化した。
結果: 船舶群, 船舶群, 航行状態の変化が二次変動を導入したのに対し, 沿岸域と潜水深度との距離は, 船舶速度の確率と大きさの双方において支配的要因であった。
論文 参考訳（メタデータ） (2026-01-31T14:53:28Z) - Predicting Barge Tow Size on Inland Waterways Using Vessel Trajectory Derived Features: Proof of Concept [0.0]
本研究では,機械学習(ML)を用いた曳航船数予測にAIS(Automatic Identification System)船体追跡データを用いた新しい手法を提案する。
モデルの訓練と試験のために、ミシシッピ川下流の衛星シーンからバージのインスタンスが注釈付けされた。
提案手法は,MDA(Maritime Domain Awareness)を,ロックスケジューリング,ポート管理,および貨物計画に強力な応用で拡張する,スケーラブルで容易に実装可能な手法を提供する。
論文 参考訳（メタデータ） (2025-10-28T01:51:23Z) - Enhancing Maritime Domain Awareness on Inland Waterways: A YOLO-Based Fusion of Satellite and AIS for Vessel Characterization [0.0]
内陸水路におけるMDA(Maritime Domain Awareness)は,協調システムの脆弱性によって問題視されている。
本稿では,高解像度衛星画像と自動識別システム(AIS)の容器軌道データとを融合する新しい枠組みを提案する。
You Only Look Once (YOLO) v11オブジェクト検出モデルは、船舶タイプ、バージカバー、運用状況、バージカウント、旅行方向によって、船舶やバージを検出し、特徴付けるために使用される。
論文 参考訳（メタデータ） (2025-10-13T14:19:58Z) - Vision-driven River Following of UAV via Safe Reinforcement Learning using Semantic Dynamics Model [11.28895057233897]
無人航空機による視覚駆動の自律川は、救助、監視、環境監視といった用途に欠かせない。
本稿では,報酬優位関数を改良したMarginal Gain Advantage Estimationを紹介する。
次に, セマンティック・ダイナミクス・モデルを構築し, セマンティック・ダイナミクス・モデルを構築した。
第3に、コスト優位性評価のためにアクター、コスト推定器、SDMを統合するConstrained Actor Dynamics Estimatorアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-08-13T17:39:09Z) - Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。
拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。
MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
論文 参考訳（メタデータ） (2024-05-01T12:03:39Z) - Benchmarking Safe Deep Reinforcement Learning in Aquatic Navigation [78.17108227614928]
本研究では,水文ナビゲーションに着目した安全強化学習のためのベンチマーク環境を提案する。
価値に基づく政策段階の深層強化学習(DRL)について考察する。
また,学習したモデルの振る舞いを所望の特性の集合上で検証する検証戦略を提案する。
論文 参考訳（メタデータ） (2021-12-16T16:53:56Z) - Learning Conditional Invariance through Cycle Consistency [60.85059977904014]
本稿では,データセットの変動の有意義な要因と独立な要因を識別する新しい手法を提案する。
提案手法は,対象プロパティと残りの入力情報に対する2つの別個の潜在部分空間を含む。
我々は,より意味のある因子を同定し,よりスペーサーや解釈可能なモデルに導く合成および分子データについて実証する。
論文 参考訳（メタデータ） (2021-11-25T17:33:12Z)
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。