通过路径推理求解物理谜题
人工智能
2020-11-17 v1 机器学习
机器人学
摘要
我们提出一种新的深度学习模型，用于需要直观物理推理和场景干预以实现期望最终目标的任务驱动型任务。其模块化结构受启发于对人类尝试解决此类任务时所应用直观步骤序列的假设。模型首先预测无干预时目标物体将遵循的路径，以及为完成任务目标物体应遵循的路径。接着，它预测动作物体的期望路径并生成动作物体的放置位置。模型的所有组件均以监督方式联合训练；每个组件接收自身的学习信号，但学习信号也通过整个架构反向传播。为评估模型，我们使用PHYRE——一个用于二维力学谜题中任务驱动型物理推理的基准测试。
引用
@article{arxiv.2011.07357,
title = {Solving Physics Puzzles by Reasoning about Paths},
author = {Augustin Harter and Andrew Melnik and Gaurav Kumar and Dhruv Agarwal and Animesh Garg and Helge Ritter},
journal= {arXiv preprint arXiv:2011.07357},
year = {2020}
}
备注
1st NeurIPS workshop on Interpretable Inductive Biases and Physically Structured Learning (2020)