💻 computer science

Bilevel Planning with Learned Symbolic Abstractions from Interaction Data

Ce papier propose un cadre neuro-symbolique bi-niveau qui combine des règles symboliques probabilistes apprises pour une planification rapide de haut niveau avec des modèles d'effets continus appris pour une vérification de bas niveau, permettant aux robots de générer et de valider efficacement des plans dans des environnements complexes en reliant efficacement des abstractions discrètes et des dynamiques continues.

Auteurs originaux : Fatih Dogangun, Burcu Kilic, Serdar Bahar, Emre Ugur

Publié 2026-03-10

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Fatih Dogangun, Burcu Kilic, Serdar Bahar, Emre Ugur

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous enseigniez à un robot à ranger une pièce en désordre remplie de jouets. Le robot possède deux modes de pensée : La Vue d'Ensemble (symbolique) et Les Détails Fins (continu).

Ce papier décrit un nouveau « cerveau » pour robots qui utilise ces deux modes de pensée ensemble, comme une équipe composée d'un Général Stratège et d'un Ingénieur de Précision.

Le Problème : Pourquoi les Robots Restent Bloqués

Les robots évoluent dans un monde de mouvement continu (millimètres, angles, forces). Si un robot tente de calculer chaque mouvement possible dans ce monde complexe, il est submergé — comme essayer de compter chaque grain de sable sur une plage pour décider quel chemin emprunter.

Pour résoudre ce problème, les scientifiques enseignent généralement aux robots à utiliser des symboles (comme « Le Bloc A est sur le Bloc B »). C'est rapide et facile, comme utiliser une carte avec seulement les noms des villes. Mais les cartes sont imparfaites. Une carte peut indiquer « Conduisez jusqu'au parc », mais elle ne sait pas qu'il y a un énorme nid-de-poule ou un arbre tombé bloquant la route. Si le robot suit la carte aveuglément, il percute.

La Solution : Une Équipe à Deux Niveaux

Les auteurs ont construit un système fonctionnant à deux niveaux, passant de la « Carte » au « Monde Réel » selon les besoins.

Niveau 1 : Le Général Stratège (Planification Symbolique)

C'est le penseur rapide et de haut niveau.

Fonctionnement : Il apprend à partir du temps de jeu du robot. Le robot heurte des objets, les saisit et les lâche. Le cerveau du robot observe cela et apprend des règles simples : « Si je ramasse le bloc rouge, il finit généralement sur le bloc bleu. »
La Mise à Niveau : Les robots précédents ne learned que le résultat le plus probable (par exemple, « Le bloc rouge va sur le bloc bleu »). Ce nouveau système apprend les probabilités. Il sait : « 90 % du temps, le bloc rouge va sur le bleu, mais 10 % du temps, il pourrait glisser. »
L'Analogie : Imaginez un joueur d'échecs qui ne planifie pas seulement le meilleur coup, mais qui considère aussi les scénarios « et si » où l'adversaire fait un coup étrange. Cela rend le plan plus robuste.

Le Contrôle de Sécurité : L'Inspecteur

Avant que le robot ne bouge réellement, le système exécute une Simulation.

Il prend le plan du « Général » et le fait passer par un Ingénieur de Précision (un deuxième modèle d'IA très précis).
L'Analogie : Pensez à cela comme un simulateur de vol. Le pilote (Général) dit : « Nous allons voler vers Paris. » Le simulateur (Ingénieur) vérifie la météo, le carburant et la physique du moteur. Si le simulateur dit : « Non, nous allons percuter une montagne », le plan est rejeté avant que le robot ne bouge un muscle.
Cette étape détecte les plans qui semblent bons sur la carte mais échouent dans la réalité.

Niveau 2 : L'Ingénieur de Précision (Recherche Continue)

Si le plan du Général échoue au contrôle de sécurité, ou si le problème est trop complexe pour une carte simple, le système bascule vers le Niveau 2.

Fonctionnement : C'est la méthode de « force brute ». Au lieu d'utiliser des symboles simples, il calcule la physique exacte de chaque mouvement en temps réel.
Le Compromis : C'est très précis mais très lent et coûteux en calculs. C'est comme calculer la trajectoire de chaque feuille individuelle dans le vent pour trouver un chemin.
La Stratégie : Le robot n'utilise cette méthode lourde que lorsque la méthode rapide et symbolique échoue. C'est comme appeler un chirurgien spécialiste uniquement lorsque le médecin généraliste ne peut pas résoudre le problème.

Ce Qu'ils Ont Découvert

Les chercheurs ont testé cela sur un bras robotique déplaçant des blocs de différentes tailles.

Mieux qu'une simple Carte : Le nouveau système a résolu plus de problèmes que les robots n'utilisant que l'approche « Général » (symbolique).
Mieux que l'Ingénieur seul : Il était presque aussi bon que les robots n'utilisant que la méthode lente et lourde de l'« Ingénieur », mais il était beaucoup plus rapide car il résolvait la plupart des problèmes en utilisant la méthode rapide du « Général ».
Le Filet de Sécurité Fonctionne : L'« Inspecteur » a empêché avec succès le robot d'essayer des plans qui auraient échoué, économisant du temps et évitant les collisions.

La Conclusion

Ce papier présente un cerveau de robot qui est rapide car il utilise des règles simples, intelligent car il comprend les probabilités (chances que les choses tournent mal), et sûr car il vérifie deux fois ses plans avec un simulateur physique avant d'agir. Il ne ralentit pour faire les mathématiques lourdes que lorsque c'est absolument nécessaire, ce qui en fait un moyen très efficace pour les robots d'apprendre et d'agir dans le monde réel.

Résumé technique : Planification bi-niveau avec abstractions symboliques apprises à partir de données d'interaction

Définition du problème

Les agents robotiques opérant dans des environnements continus font face à un compromis fondamental : raisonner directement dans des espaces d'états continus de haute dimension est computationnellement intraitable en raison du nombre infini ou vaste de solutions possibles, tandis que le raisonnement purement symbolique échoue souvent car il rejette des informations géométriques et dynamiques critiques, entraînant des échecs d'exécution. Les méthodes existantes qui apprennent des abstractions symboliques à partir de l'exploration non supervisée par des robots reposent généralement sur des domaines déterministes, manquent de mécanismes pour vérifier si un plan symbolique réussira dans le monde continu, et n'offrent aucune solution de repli lorsque l'abstraction est insuffisante. Cet article répond au besoin d'un cadre de planification qui combine l'efficacité du raisonnement symbolique de haut niveau avec la précision de la vérification des dynamiques continues.

Méthodologie

Les auteurs proposent un cadre de planification neuro-symbolique bi-niveau qui opère à travers deux niveaux distincts, soutenu par une architecture à double modèle entraînée sur des données d'interaction non supervisées.

1. Architecture à double modèle

Le cadre utilise deux modèles de réseaux de neurones spécialisés dérivés d'une architecture encodeur-décodeur entraînée à prédire les effets des actions :

Modèle symbolique ( $M_{sym}$ ) : Utilise une fonction d'activation Gumbel-Sigmoid dans ses couches de goulot d'étranglement. Ce modèle est conçu pour découvrir des symboles d'objets unaires discrets et des symboles relationnels (par exemple, « sur », « à côté de ») afin de générer des opérateurs symboliques pour la planification de haut niveau.
Modèle de dynamique ( $M_{dyn}$ ) : Utilise une fonction d'activation Sigmoid standard dans ses couches de goulot d'étranglement. Bien qu'il partage la même architecture, ce modèle est optimisé pour une prédiction précise des effets continus, servant de modèle de dynamique directe pour la vérification et la recherche de bas niveau.

2. Processus d'apprentissage

Le système apprend à partir d'un ensemble de données d'échantillons d'interaction $(X, a, X')$ , où $X$ représente l'état continu (positions et types d'objets) et $a$ représente des compétences de prise et de dépôt paramétrées.

Découverte de symboles : Le modèle symbolique mappe les états continus vers des symboles discrets. Les symboles relationnels sont calculés en utilisant un mécanisme d'attention self-adapté avec Gumbel-Sigmoid pour permettre l'apprentissage différentiable de symboles discrets.
Extraction d'opérateurs : Les transitions continues sont converties en ensembles de données symboliques. Les opérateurs sont définis comme des ensembles de préconditions et d'effets basés sur les états post-action les plus fréquents observés dans les données.
Construction de domaine probabiliste : Au lieu d'opérateurs déterministes, le cadre construit un domaine PPDDL (PDDL probabiliste). Chaque opérateur inclut une distribution de probabilité sur les effets symboliques possibles basée sur leur fréquence empirique, capturant la stochasticité des interactions du monde réel.

3. Algorithme de planification bi-niveau

Le processus de planification se déroule en deux niveaux :

Niveau 1 : Planification symbolique probabiliste avec vérification
- Le système génère un ensemble de $N$ domaines PDDL en échantillonnant des effets à partir des distributions probabilistes apprises.
- Un planificateur d'IA classique (Fast-Downward) recherche des plans dans ces domaines.
- Vérification continue : Les plans symboliques candidats sont classés par probabilité. Le modèle de dynamique ( $M_{dyn}$ ) est utilisé comme simulateur direct pour prédire le résultat continu de chaque plan candidat. Si l'état final prédit est dans une marge de tolérance ( $\tau_{verify}$ ) de l'objectif, le plan est accepté.
Niveau 2 : Solution de repli par recherche directe continue
- Si aucun plan symbolique ne passe la vérification, le système invoque une recherche $A^*$ pondérée dans l'espace d'états continu.
- Cette recherche utilise le modèle de dynamique pour les transitions d'état et une heuristique basée sur la distance euclidienne vers l'objectif.
- Pour assurer l'tractabilité, la recherche emploie un élagage heuristique des actions, générant uniquement des actions orientées vers l'objectif (par exemple, déplacer des objets mal placés vers leurs positions cibles) plutôt que d'explorer l'espace d'actions complet.

Contributions clés

Cadre bi-niveau : Une architecture novatrice qui intègre la planification symbolique probabiliste au niveau élevé avec une recherche directe continue comme solution de repli, comblant le fossé entre le raisonnement abstrait et les dynamiques continues.
Schéma à double modèle : L'introduction de deux modèles spécialisés — l'un pour la découverte de symboles discrets et l'autre pour la prédiction précise des effets continus — démontrant qu'un modèle unique ne peut pas servir optimalement les deux objectifs.
Mécanisme de vérification : Une méthode qui utilise le modèle de dynamique continue pour vérifier les plans symboliques avant l'exécution, filtrant efficacement les plans qui sont symboliquement valides mais dynamiquement irréalisables.
Apprentissage d'opérateurs probabilistes : Aller au-delà des domaines déterministes pour apprendre des opérateurs avec des effets stochastiques, permettant au planificateur d'explorer des chemins moins probables mais potentiellement réussis.

Résultats expérimentaux

Le cadre a été évalué sur des tâches de manipulation multi-objets dans un environnement de table simulé avec 2 à 4 objets et des séquences d'actions de longueur 1 à 5.

Validation du modèle : Le modèle de dynamique a atteint une erreur moyenne de prédiction d'effet plus faible (1,96 cm) par rapport au modèle symbolique (3,33 cm), validant la nécessité de modèles séparés pour la prédiction continue.
Probabiliste vs Déterministe : Le planificateur probabiliste a nettement surpassé la base déterministe (par exemple, 73,0 % contre 64,67 % de taux de réussite pour des tâches en 1 étape), démontrant que la prise en compte de la distribution complète des résultats améliore la robustesse.
Performance de vérification : Le vérificateur de plans continus a atteint une précision moyenne de 0,91 et un score F1 de 0,90. Les plans vérifiés ont eu un taux de réussite de 94,5 %, tandis que les plans non vérifiés ont eu un taux d'échec de 87,3 %, confirmant la fiabilité du mécanisme pour filtrer les plans échoués.
Performance globale : Le Planificateur Bi-niveau proposé a atteint des taux de réussite de planification statistiquement comparables à une recherche directe continue complète ( $p=0,71$ ). Cependant, il a résolu la majorité des problèmes en utilisant un raisonnement symbolique efficace, n'ayant recours à la recherche continue computationnellement coûteuse que lorsque nécessaire.

Importance

L'article affirme que cette approche atténue avec succès les limites de la planification purement symbolique (perte de détails géométriques) et de la planification purement continue (intraitabilité computationnelle). En combinant l'efficacité du raisonnement symbolique avec la précision des dynamiques continues apprises, le cadre offre une solution robuste pour la manipulation robotique. Il démontre que les agents peuvent atteindre des performances de planification de haut niveau comparables à une recherche continue exhaustive tout en maintenant l'efficacité computationnelle, à condition qu'ils puissent vérifier les plans symboliques par rapport aux dynamiques physiques apprises. Le travail souligne l'importance de la modélisation probabiliste et de la vérification pour rendre les abstractions symboliques apprises fiables pour l'exécution dans le monde réel.