Physische Reasoning unter Verwendung von dynamikbewussten Modellen

Ein verbreiteter Ansatz zur Lösung physikalischer Schlussfolgerungsaufgaben besteht darin, einen Wertelerner auf Beispiel-Aufgaben zu trainieren. Ein Nachteil dieses Ansatzes liegt darin, dass das Lernen über Objektdynamiken ausschließlich aus Belohnungswerten basiert, die dem Endzustand einer Umgebungssimulation zugeordnet werden. Diese Studie zielt darauf ab, diese Einschränkung zu überwinden, indem die Belohnungswerte durch selbstüberwachte Signale zur Objektdynamik ergänzt werden. Konkret trainieren wir das Modell, die Ähnlichkeit zweier Umgebungssimulationen zu charakterisieren, gleichzeitig mit der Vorhersage des Ergebnisses der Schlussfolgerungsaufgabe. Diese Ähnlichkeit kann als Abstandsmessung zwischen den Trajektorien der Objekte in den beiden Simulationen definiert werden oder direkt aus Pixeln mittels einer kontrastiven Formulierung gelernt werden. Empirisch zeigen wir, dass dieser Ansatz erhebliche Leistungssteigerungen auf der PHYRE-Benchmark für physikalische Schlussfolgerung (Bakhtin et al., 2019) erzielt und damit eine neue State-of-the-Art-Performance etabliert.