トポロジー的必然性：異なる身体を持つエージェント間で転移可能な目標条件付き制御のためのメカニズム不変な戦略的サブゴール

長期的な goal-conditioned reinforcement learning において、成功する実行者が必ず通る不可避な段階の順序を、offline trajectories から復元する研究。 - 既存の subgoal は value function や latent action の副産物で実行者に依存するが、本研究の対象はどの実行者にも属さない。 - 位相的性質として、不可避な段階はすべての許容経路が横切る separating set であり、自由空間の loop は経路選択を強制する。 - これを homology の次元0と1で読み、transport-weighted carrier 上で enumerable な gate set と shell-level certificates を得る。 - 認定された gate を topological necessities と呼び、再帰的な topological gate hierarchy として意思決定ループに組み込む。

既存の subgoal は value function や latent action から暗黙的に生じ、生成した実行者に結びつく。 - 本研究の topological necessities は offline trajectories から復元され、どの実行者にも属さない。 - 固定された同型な自由空間の下で、実行者を置き換えても対象が存続する点が異なる。 - PointMaze データで凍結した gate が再学習なしで Ant と Humanoid に転移し、Humanoid で最高の集約値96.1、multi-route タスクで map-privileged reference を+36.0上回る(p=1.4e-5)。 - planner は PointMaze を飽和(100±0)させ、AntMaze(giant +22.9)や Kitchen(+15.8/+12.6)で最強の baseline に匹敵または上回る。

成功した trajectories から transport-weighted carrier を構築する。 - その carrier 上で homology を次元0と1で読み、separating set としての不可避な段階と loop による経路選択を捉える。 - これにより enumerable な gate set と shell-level certificates が得られ、認定された gate を topological necessities とする。 - 認定された gate は再帰的な topological gate hierarchy として意思決定ループに入る。 - 詳細なアルゴリズムや実装は要旨からは不明。

PointMaze データで gate を凍結し、再学習なしで Ant と Humanoid に転移させて検証。 - 統一インターフェース下で Humanoid の集約値96.1を達成。 - multi-route タスクで map-privileged reference を+36.0上回り、p=1.4e-5。 - planner は PointMaze で100±0と飽和。 - AntMaze では giant +22.9、Kitchen では +15.8/+12.6 で最強の baseline に匹敵または上回る。

要旨からは不明。 - 限界や失敗事例、計算コスト、仮定の妥当性についての議論は記述されていない。

要旨で参照/比較されている研究や関連手法は明示されていない。 - 同分野の定番として、goal-conditioned reinforcement learning、hierarchical reinforcement learning、topological data analysis を用いた制御、AntMaze や Kitchen などの benchmark に関する文献が考えられる。