教師なし対称群発見による分離表現学習

対称性ベースの分離表現学習は、環境の変換の群構造を利用して、変動の潜在因子を明らかにします。従来の対称性ベースの分離学習法は、対称群の構造に関する強い事前知識や、部分群の性質に関する制約的な仮定を必要としてきました。本研究では、環境との無監督の相互作用を通じて身体を持つエージェントが自律的に作用空間の群構造を発見する方法を提案することにより、これらの制約を取り除きます。最小限の仮定の下で真の対称群分解の識別性を証明し、相互作用データからグループ分解を発見するアルゴリズムと、特定の部分群の性質を仮定せずに Linear Symmetry-Based Disentangled (LSBD) 表現を学ぶアルゴリズムの2つを導出します。我々の手法は、異なるグループ分解を示す3つの環境で検証され、既存のLSBDアプローチより優れた性能を示します。