日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
強化学習arXiv:2610.20009

双曲空間のゴール条件付き強化学習で1000層のユークリッドネットワークを凌駕

Outperforming 1000 Euclidean Layers With Hyperbolic Goal-Conditioned RL

シェア:XThreadsFacebookLINEはてブBluesky

強化学習のコントラスト目的関数をユークリッド距離から双曲空間の測地線距離に置き換えることで、64層の浅いネットワークが1024層のユークリッドネットワークを上回る性能を、12倍高速かつ13倍少ないパラメータで達成した。

詳しい要約

1. どんなもの?

深層Euclideanネットワーク(1000層)による自己教師あり対照強化学習(CRL)のgoal-reaching性能を、双曲空間の幾何学で置き換えることで、はるかに浅いネットワークで上回る手法。U字迷路など壁のある複雑なナビゲーション環境で、経路距離がEuclidean距離から大きく逸脱する問題に対処する。

2. 先行研究と比べてどこがすごい?

従来のEuclidean CRLは深さ1000層でSOTAを達成するが、wall-clock時間が深さに線形に増大する。提案のHyperbolic CRLは、深さ64の双曲エージェントが1024層のEuclideanネットワークを性能で上回り、学習が12倍以上高速で、パラメータ数も約13分の1。帰納バイアスがスケールに勝ることを示した。

3. 技術・手法の肝は?

CRLの対照目的関数内のEuclidean距離を、双曲空間におけるgeodesic距離に置き換える。これにより、壁で経路距離がEuclidean距離から逸脱するナビゲーション環境において、表現の幾何学をタスクに適合させる。

4. どうやって有効だと検証した?

U字迷路で経路が長いほどEuclidean距離からの逸脱が大きいことを示し、難しいナビゲーションタスクで深さ64の双曲エージェントが1024層Euclideanを上回ることを確認。さらに難しいhumanoid迷路で、双曲エージェントは壁を直線で越えようとするEuclideanエージェントと異なり、廊下に沿って目標に到達する質的な改善を観察。

5. 議論はある?

表現の幾何学をタスクに合わせることで、相当なネットワーク深さを代替できることを示唆。壁のある環境ではEuclidean距離が不適切であり、双曲幾何学が有効であると議論。ただし、他のタスクや環境への一般化可能性については要旨からは不明。

6. 次に読むべき論文は?

Euclidean CRLの深層化(1000層)に関する研究、および双曲空間を用いた強化学習や表現学習の関連手法。具体的な論文名は要旨からは不明。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Timo Klein, Thomas Lang, Andrii Shkabrii, Lukas Miklautz, Yllka Velaj, Sebastian Tschiatschek

分類: cs.LG, stat.ML

原文アブストラクト

Scaling self-supervised contrastive reinforcement learning (CRL) to 1000-layer Euclidean neural networks has enabled state-of-the-art goal-reaching performance, yet wall-clock time scales linearly with depth. We find that changing the geometry achieves stronger performance with far shallower networks. This matters in complex navigation environments, where walls can make route distance deviate substantially from Euclidean distance. In a U-shaped maze, we show that the longer the route, the more it deviates from Euclidean distance. Hyperbolic CRL addresses this mismatch by replacing Euclidean distances in CRL's contrastive objective with geodesic distances in hyperbolic space. On hard navigation tasks, inductive bias beats scale: depth 64 hyperbolic agents outperform 1024-layer-deep Euclidean networks while training more than $12 \times$ faster and using about $13 \times$ fewer parameters. We observe that hyperbolic agents behave qualitatively better in hard humanoid mazes, where they follow corridors to reach goals, whereas Euclidean agents try straight-line shortcuts over walls. Our results show that matching the representation geometry to the task can substitute for substantial network depth. Code is at https://github.com/Probabilistic-and-Interactive-ML/HypGCRL .

関連論文

PR本紙発行元 EmplifAI