[논문 리뷰] Reasoning About Physical Interactions with Object-Oriented Prediction and Planning

Michael Jänner, Sergey Levine외 4명|arXiv (Cornell University)|2018. 12. 28.

AI-based Problem Solving and Planning참고 문헌 30인용 수 42

한 줄 요약

이 논문은 직접적 객체 감독 없이 객체 중심 표현을 학습하고 학습된 인지-물리-렌더링 스택(O2P2)을 사용해 물리적 상호 작용을 예측하고 구축 블록 타워를 위한 행동을 계획한다.

ABSTRACT

Object-based factorizations provide a useful level of abstraction for interacting with the world. Building explicit object representations, however, often requires supervisory signals that are difficult to obtain in practice. We present a paradigm for learning object-centric representations for physical scene understanding without direct supervision of object properties. Our model, Object-Oriented Prediction and Planning (O2P2), jointly learns a perception function to map from image observations to object representations, a pairwise physics interaction function to predict the time evolution of a collection of objects, and a rendering function to map objects back to pixels. For evaluation, we consider not only the accuracy of the physical predictions of the model, but also its utility for downstream tasks that require an actionable representation of intuitive physics. After training our model on an image prediction task, we can use its learned representations to build block towers more complicated than those observed during training.

연구 동기 및 목표

• 객체 속성에 대한 직접 감독 없이 객체 기반 씬 표현 학습을 고취한다.
• 픽셀 수준 재구성을 통해 미래 이미지를 예측하는 공동 인지-물리-렌더링 모델을 개발한다.
• 원시 픽셀이 아닌 객체 중심 표현에 의존하는 계획 및 행동 선택을 가능하게 한다.
• 실용적 직관적 물리 이해를 테스트하기 위해 블록 적층 작업에서 접근법을 평가한다.
• 계획 및 조작의 실제 로봇 실행으로의 전달을 입증한다.

제안 방법

• 지각 모듈은 이미지 세그먼트를 직접적인 의미 감독 없이 객체 벡터로 매핑한다.
• 물리 모듈은 단항 전이 함수와 이항 쌍 상호 작용을 이용해 전방의 객체 상태를 예측한다.
• 렌더링 엔진은 객체별 예측을 하나의 이미지로 합성하고 객체별 heatmap을 사용해 각 픽셀의 가시성을 결정한다.
• 학습은 I0 및 I1 프레임에서 이미지 재구성 및 예측 손실(L2 및 지각/VGG 손실)을 최적화한다.
• 계획은 학습된 표현을 사용해 행동을 샘플링하고 평가하며 목표 객체 표현과의 거리를 최소화하는 것을 선택한다(선택적 CEM 포함).
• 평가에는 이미지 재구성/예측, 타워 구축 계획(변수 실험 포함), 그리고 행동을 객체 표현으로 매핑하는 임베더를 갖춘 실제 로봇 Sawy er로의 전달이 포함된다.

실험 결과

연구 질문

• RQ1 O2P2가 픽셀 수준 예측 작업만으로 학습한 후에 물리적 상호 작용을 추론하고 실행 가능한 계획을 지원할 수 있는가?
• RQ2 객체 인자화 학습이 계획 작업에서 픽셀 공간의 블랙박스 비디오 예측을 능가하는가?
• RQ3 객체 속성에 대한 감독 없이도 객체 중심 표현이 유익한가?
• RQ4 학습된 물리적 직관이 실제 로봇 조작으로 어느 정도 전이될 수 있는가?
• RQ5 학습 중에 보지 못한 새로운 타워 구성 형상을 얼마나 잘 구성하도록 돕는가?

주요 결과

물리학 없음	SAVP	당사	오라클(픽셀)	오라클(객체)
0	24	76	71	92

• O2P2는 보류된 구성을 대상으로도 그럴듯한 안정 상태의 물리 구성과 현실적인 예측을 달성한다.
• 객체-요소화 접근 방식이 타워 구축 정확도에서 객체 비의존적 비디오 예측 및 일부 기준선보다 좋다.
• 물리 시뮬레이션이 중요하다; No-physics 제거 실험은 쌓기 작업에서 형편없이 작동한다.
• 학습된 표현을 가진 O2P2는 학습된 구성 이외의 계획 작업에도 일반화할 수 있으며, 타워 설계 및 대안 목표를 포함한다.
• 임베더와 수정된 손실을 사용한 실제 Sawyer 로봇으로의 전달은 17/25 성공 구성으로 달성된다.
• 픽셀 공간 평가를 사용하는 오라클과 비교할 때, 객체 중심 목표를 가진 O2P2가 보고된 타워 구성 작업에서 더 높은 정확도를 달성한다.