[論文レビュー] A Compositional Object-Based Approach to Learning Physical Dynamics

Michael B. Chang, Tomer Ullman+2 more|arXiv (Cornell University)|Dec 1, 2016

Computational Physics and Python Applications被引用数 169

ひとこと要約

本論文は Neural Physics Engine (NPE) を紹介します。対となる相互作用を用いた微分可能な物体ベースの物理シミュレータで、変化する物体数とシーン配置に一般化し、質量のような潜在的な物体特性を推定することができます。

ABSTRACT

We present the Neural Physics Engine (NPE), a framework for learning simulators of intuitive physics that naturally generalize across variable object count and different scene configurations. We propose a factorization of a physical scene into composable object-based representations and a neural network architecture whose compositional structure factorizes object dynamics into pairwise interactions. Like a symbolic physics engine, the NPE is endowed with generic notions of objects and their interactions; realized as a neural network, it can be trained via stochastic gradient descent to adapt to specific object properties and dynamics of different worlds. We evaluate the efficacy of our approach on simple rigid body dynamics in two-dimensional worlds. By comparing to less structured architectures, we show that the NPE's compositional representation of the structure in physical interactions improves its ability to predict movement, generalize across variable object count and different scene configurations, and infer latent properties of objects such as mass.

研究の動機と目的

• 物体数と配置が異なるシーン全体で一般化する物理学の事前知識を動機づけ、設計する。
• シンボリックな構造と勾配ベースの学習を組み合わせた、差分可能な(微分可能な)物体ベースの物理エンジンを提案する。
• 組成的な、対の相互作用アーキテクチャが一般化と潜在的特性推定を改善することを示す。
• 予測、一般化、および質量推定を検証するために、ボールと障害物を含む二次元の World でアプローチを評価する。

提案手法

• 物理的シーンを外部/内部/グローバル特性を持つ物体ベースの表現に要因分解する。
• 各焦点物体のコンテキストとなる近傍オブジェクトを選択するための近傍マスクを使用し、広い段階のようなコンテキスト選択を実装する。
• 焦点物体の速度を、ペアエンコーダで符号化され、速度変化へデコードされる対相互作用の総和として表現する。
• 速度変化(Δv)を予測し、1次の速度積分を用いて位置を更新し、加速度は最近のタイムステップを通じて暗黙的に保持する。
• 観測された軌道を matter-js ベースのシミュレーションから得て、確率的勾配降下法でエンドツーエンドにネットワークを訓練する。
• NPE をベースライン（No-Pairwise NP および LSTM）と比較して、対の因子分解と構成性の利点を分離する。

実験結果

リサーチクエスチョン

• RQ1 NPE は 2D のボールと障害物の世界で物体のダイナミクスを正確に予測できますか？
• RQ2 NPE は訓練時に見たよりも多くの物体が存在するシーンに一般化しますか？
• RQ3 NPE は力学から質量のような潜在的な物体特性を推定できますか？
• RQ4 文脈近傍マスクが予測精度と一般化に与える影響は何ですか？
• RQ5 壁の形状や障害物といった異なるシーン構成を NPE はどのように処理し、性能を維持しますか？

主な発見

• NPE は velocity の予測と一般化タスクにおいて、特にテスト時に 6–8 個の物体がある場合に、NP および LSTM のベースラインを一貫して上回ります。
• NPE の予測精度と一般化は訓練とともに向上しますが、NP と LSTM は早い段階で頭打ちになります。
• 焦点となる物体の質量を観測された衝突から推定する精度は約 90% に達します。
• 近傍マスクはパフォーマンスを大幅に改善します（速度予測損失で約1オーダー程度）。焦点 object あたりのコンテキスト処理を O(1) の一定時間で実現します。
• NPE は訓練時に見られなかった壁や内側の障害物といった複雑なシーン構成に対して頑健に一般化し、シーンの複雑さが増すにつれてベースラインを上回ります。