[論文レビュー] Perceiving Physical Equation by Observing Visual Scenarios

Siyu Huang, Zhi-Qi Cheng+4 more|arXiv (Cornell University)|Nov 29, 2018

Model Reduction and Neural Networks参考文献 31被引用数 6

ひとこと要約

本論文では、オブザーバーエンジンを用いて物体の運動を抽出し、物理学者エージェントが記号的回帰を用いて記号的方程式を導出することにより、視覚的動画から解釈可能な物理方程式を推論する新しいパイプラインを提案する。この手法は、多様な合成物理的シナリオにおいて重力加速度やばねの運動などの方程式を、ほぼ完璧な正確性（R² = 1.000）で発見する。

ABSTRACT

Inferring universal laws of the environment is an important ability of human intelligence as well as a symbol of general AI. In this paper, we take a step toward this goal such that we introduce a new challenging problem of inferring invariant physical equation from visual scenarios. For instance, teaching a machine to automatically derive the gravitational acceleration formula by watching a free-falling object. To tackle this challenge, we present a novel pipeline comprised of an Observer Engine and a Physicist Engine by respectively imitating the actions of an observer and a physicist in the real world. Generally, the Observer Engine watches the visual scenarios and then extracting the physical properties of objects. The Physicist Engine analyses these data and then summarizing the inherent laws of object dynamics. Specifically, the learned laws are expressed by mathematical equations such that they are more interpretable than the results given by common probabilistic models. Experiments on synthetic videos have shown that our pipeline is able to discover physical equations on various physical worlds with different visual appearances.

研究の動機と目的

• 一般AIおよび科学的推論における主要な目標である、視覚的観測から普遍的な物理法則を自動的に発見する課題に対処すること。
• ブラックボックス型のニューラルネットワークに依存せず、明示的な記号的方程式を導出する手法を開発すること。
• 機械が視覚的動画シーケンスから重力加速度やばねの運動といった物理法則を認識し再構築できるようにすること。
• ディープラーニング、記号的学習、進化的アルゴリズムを統合したハイブリッドフレームワークを構築し、解釈可能な物理的推論を実現すること。
• 視覚データからの解釈可能な物理方程式発見分野における今後の研究の基準を確立すること。

提案手法

• オブザーバーエンジンは、物体検出およびインスタンスセグメンテーションを用いて、動画フレームから物理的性質（位置、速度、加速度）を抽出する。
• 2段階の物体検出器により、複雑な視覚的シナリオにおける物体の運動を追跡する精度が向上する。
• 物理学者エージェントは、観測された物理的性質に最も適合する数学的表現を発見するために記号的回帰を用いる。
• 記号的回帰は、乗算や除算といった演算を含む解釈可能な方程式を学習可能であり、線形モデルでは捉えきれない関係を表現できる。
• 性能を評価するために、線形回帰、リッジ回帰、決定木、ランダムフォレストなどのベースラインモデルと比較する。
• R²およびMAPA指標を用いて、視覚的外観が異なる多数の合成物理的シナリオにおいてパイプラインを評価する。

実験結果

リサーチクエスチョン

• RQ1 機械は、下位の物理学に関する事前の知識なしに、視覚的動画シーケンスから記号的物理方程式を自動的に推論できるか？
• RQ2 視覚データから解釈可能な物理法則を学ぶ際、記号的回帰は従来の回帰モデルに比べてどの程度効果的か？
• RQ3 オブザーバーエンジンによる物体追跡の品質が、導出された物理方程式の正確性にどの程度影響を及えるか？
• RQ4 提案されたパイプラインは、視覚的外観や運動が異なる多様な物理的シナリオに一般化できるか？
• RQ5 オブザーバーエンジンと物理学者エージェントのコンポーネントの異なる組み合わせが、最終的な方程式発見性能にどのように影響を与えるか？

主な発見

• 2段階の検出器と記号的回帰を用いた本パイプラインは、R²スコアが1.000に達し、真の物理方程式を完全に回復した。
• 記号的回帰は、すべてのシナリオにおいて線形回帰、リッジ回帰、決定木、ランダムフォレストといったベースラインモデルを上回った。特にばね運動のような非線形関係において顕著な優位性を示した。
• ドリフトやばねのシナリオでは、非線形モデル（決定木、ランダムフォレスト）が線形モデルを大幅に上回った。これは、非線形方程式の発見の必要性を示している。
• オブザーバーエンジンの性能は、導出された方程式の正確性に直接的な影響を及える。2段階の検出器が、すべてのテストケースで最高の結果をもたらした。
• 本手法は、視覚的観測からのみ重力加速度の公式やばねの力の法則といった方程式を成功裏に導出した。
• 推定された物体の位置を使用しても、R² > 0.98という高い正確性を達成した。これは、追跡誤差に対してパイプラインが頑健であることを示している。