[DLHacks]Classical Planning in Deep Latent Space: Bridging the Subsymbolic-Symbolic Boundary
•
4 likes•1,469 views
2018/06/12 Deep Learning JP: http://deeplearning.jp/hacks/
Recommended
More Related Content
More from Deep Learning JP
More from Deep Learning JP (20)
Recently uploaded
Recently uploaded (15)
[DLHacks]Classical Planning in Deep Latent Space: Bridging the Subsymbolic-Symbolic Boundary
- 1. Classical Planning in Deep Latent Space: Bridging the Subsymbolic-Symbolic Boundary PSI B3 近藤生也 1
- 2. 書誌情報 ● Classical Planning in Deep Latent Space: Bridging the Subsymbolic-Symbolic Boundary ○ ● Asai, M.; Fukunaga, A ○ ● Accepted in AAAI-2018 ○ ● ポイント ○ 「深層学習手法×グラフ理論」で環境内で実行可能な Actionを自ら見つけ出し、かつ長期的なプラン ニングを可能とするモデル『 LatPlan』を提案 ○ ● 選定理由 ○ 1/22にあったJSAIの基調講演で興味を持った（けどそのときは理解できなかった）から 2
- 3. アジェンダ ● LatPlanとは ● 古典的プランニングの欠点 ● 深層学習手法とプランニング ● LatPlanの仕組み ● 実装解説 ● 実験結果 ● 所感 3
- 7. LatPlanの特長 ● 必要なのは画像だけ ○ 3x3のパズルそのものの画像 ×数万データ ○ 3x3のパズルに対して、 「何かしら のアクション」を行った時の 前と後の画像 のペア×数万データ ○ ● 世界を人間がモデル化する必要がない ○ 8puzzle.pyみたいなのは不要。 ○ 実世界の8puzzleの写真を使うことを想定。 ○ ● 見たことがないActionがあってもプランニ ング可能。見たことがないActionを生み出 すことも可能。 前 後 7
- 9. 古典的プランニング 9https://ja.wikipedia.org/wiki/自動計画 ● アクション a ∈A a = <param, pre, e+, e-, c> （パラメータ, 前提条件, 追加効 果, 削除効果） True/False のバイナリデータ
- 10. 古典的プランニング 10http://d.hatena.ne.jp/hanecci/20100220/1266681999 ;; ロボットアームでテーブルの上に載っているブロック?x を掴むアクション. (:action pick-up :parameters (?x) ;; 前提条件の一覧. :precondition (and (clear ?x) (ontable ?x) (handempty)) ;; アクション実行後に生成する述語. :effect (and (not (ontable ?x)) (not (clear ?x)) (not (handempty)) (holding ?x))) a = <param, pre, e+, e-, c> の例
- 11. 古典的プランニング 11 ● 初期状態とゴール状態をバイナリデータに変換 ● すべての行動を01の変化で記述 ○ a ○ a ● 遷移図を書いて総当りなりA*なり、あるいは グラフ 理論の賢い方法を使ってプランニング ここをNNでやってしまおう ここも一部NNでやってしま おう
- 12. LatPlanとは ● AMA1 ○ SAE + Fast Downward（古典的ソルバのSOTA） ● AMA2 ○ SAE + AAE + AD + A* 12
- 13. アーキテクチャ 13
- 14. AMA1 SAE（State AutoEncoder） ● エンコード先のZをバイナリデータにしたVAE。 ● ただ単にencoderの出力に if (z>0.5) { z=1 } else { z=0 } のようにすると誤差逆伝 播ができないので、Gumbel-Softmaxという活性化関数を使う 14
- 15. Gumbel-Softmax ● Gumbel-SoftMax [2017] ○ ● 右のように変える ○ ● 普通のAEの出力をπ ● log(π)のsoftmax（結局ほ とんどπに戻る）に、 ノイ ズgを足す 15 z = π = ただし http://musyoku.github.io/2016/11/12/Categorical-Repar ameterization-with-Gumbel-Softmax/
- 16. Gumbel-Softmax ● τは温度 ● τ==1→100 ● τが小さいとバイナ リに近くなり,τが大 きいとのっぺらぼ うになる 16 z = π = ただし http://musyoku.github.io/2016/11/12/Categorical-Repar ameterization-with-Gumbel-Softmax/
- 17. Gumbel-Softmax ● Gumbel-SoftMax [2017] π = z = ○ 17 http://musyoku.github.io/2016/11/12/Categorical-Repar ameterization-with-Gumbel-Softmax/ ● もともとの分布がしっかり01に近くない と結構ぶれてしまう。 ● →もとの分布がしっかり狙ったところが 1になるように学習が進む。
- 18. VAE ● Zが正規分布に従うという仮定をおき、 Encoderは平均と分散を出力 ○ ● Encoderが出した平均と出力をもとに空間 Zから一点をサンプリング ○ ● 密な潜在空間を生成できるので、表現力 が高まる。 18https://qiita.com/kenmatsu4/items/b029d697e9995d93aa24
- 19. Fast Downward Fast Downward [Helmert, 2006] https://arxiv.org/abs/1109.6051 ● 入力：すべての状態、すべての行動、初期状態、目標状態 ● 出力：最短の行動プラン （今回調査しきれませんでした…） 19
- 21. AMA2 ● SAE + AAE（Action AutoEncoder）+ AD（Action Discriminator） ○ ● AAEでとりあえず遷移させた状態を作って、ありえないものはADで消し てもらう 21
- 22. Action AutoEncoder ● データ：ある遷移前のz∈Zとある遷移後のz∈Zのセット（s,tと置く） ● 入力：s, t ● 出力：t ● 中間：7bitの配列 ○ （アクション記号が128個あると大きめに見積もってある） 22
- 23. Action AutoEncoder ● 中間：128次元の01データ これをアクションラベルとみなす ポイント ● すべての層にsをconcatする ○ もとがsであることを自明にする。 ● デコーダーを使うと、aとsからtを予測できる。 23
- 24. Action AutoEncoder ● 結局、128通りのactionを学習する。 ● 当然ありえないactionが含まれているのでDiscriminateする必要がある。 24
- 25. Action Discriminator ● 入力：遷移前のz, AAEで生成した遷移後のz ● 出力：0or1（可能な遷移か否か） ○ ● 可能な遷移は観測できるが、不可能な遷移は観測できない。 ● →PU Learning 25
- 27. Action Discriminator PU Learning ● 負例データを見たことがない状 態で分類すると左下のように全 部同じクラスになる。 ● 未観測データが与えられたらま ず未観測か否かで分類し、 ● 下のように重み付け 27 正しく分類が行えた↑ ↓正例と負例 ↓未観測が灰色
- 28. A* ● グラフ探索アルゴリズムの一つ。 ● 最良優先探索を拡張したZ*に、 ● 「現時点までの距離」gと ● 「ゴールまでの推定値」hの ● 和を採用したもの。 ● h は ヒューリスティック関数と呼ばれる。 28https://ja.wikipedia.org/wiki/A*
- 29. A* ● 各マス目にスコアを設ける。 ● スコア＝実コストg＋推定コストh（小さい方が良い） ● g：スタートからの距離 ● h：ゴールまでの距離（障害物は考えない） ● ここではどちらもマンハッタン距離を考える。 29https://qiita.com/2dgames_jp/items/f29e915357c1decbc4b7 スコアの低いマスから順 に周りのマス目を計算対 象にしていく（Openにす る）。 周りにOpenできるマス がなくなったらClosedに する。
- 30. A* ● 距離←SAEでエンコードした時のゴールと異なるbit数 ● Fast Downwardと違って最適解が得られる保証はない 30https://qiita.com/2dgames_jp/items/f29e915357c1decbc4b7
- 31. 精度 ● A:7回ランダム操作, B:14回ランダム操作 ○ ● std:ノイズなし, G:ガウス, s/p:ごま塩 ○ ● AD.type1:AAEで生成された正しい遷移のう ち、ADが間違えて否定した割合 ● AD.type2:本当に可能な遷移を除いて遷移の 負例データを大量に作る。そのうちADが間違え て正例と判定した割合 31 本当に可能な 遷移（type2の 対象外） AAE ADが正しく負 例と識別 した 遷移。 type2の!error ←type2のerror
- 35. 実装 https://github.com/guicho271828/latplan ActionAE（36+36 => 128） ● 基本的に全結合だけでいける 35
- 42. 所感 42 ● パズルってもともと状態が離散的だからグラフにしやすい ● 連続的な環境をうまく離散化して01に落とし込めたら他のプランニングにも広く使え る ● ただ長期のプランニングはやはり難しいそう（行けそうな気がしたけど…） ○ カーナビと同じ要領なんじゃないのかな … ● SAEでエンコードしたものが近いからと言ってaction的に近いわけではない説