💻 computer science

Learning Compositional Symbolic Task Rules from Demonstrations with Inductive Logic Programming

Cet article propose une approche de programmation logique inductive décomposée pour l'apprentissage par démonstration qui infère des règles de tâches symboliques interprétables et réutilisables à travers plusieurs niveaux d'abstraction, démontrant une forte généralisation à des scénarios complexes et inédits dans un environnement synthétique d'assemblage de blocs.

Auteurs originaux : Oleh Borys, Karla Stepanova

Publié 2026-05-27

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Oleh Borys, Karla Stepanova

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 comment construire une tour avec des blocs. La plupart des robots d'aujourd'hui sont comme des perroquets : vous leur montrez une vidéo où vous empilez un bloc rouge, puis un bleu, et ils tentent de copier les mouvements exacts. Mais si vous leur donnez un bloc vert ou leur demandez de construire une tour plus haute, ils se perdent car ils ont seulement mémorisé les mouvements, et non les règles.

Ce papier propose une approche différente. Au lieu d'enseigner au robot comment bouger son bras, les auteurs lui enseignent quelles sont les règles du jeu, en utilisant une méthode appelée Programmation Logique Inductive (ILP). Pensez-y comme enseigner au robot la « grammaire » de la tâche plutôt que simplement son « accent ».

Voici comment leur système fonctionne, décomposé en concepts simples :

1. L'analogie du « Maître Lego »

Imaginez que vous vouliez enseigner à un enfant à construire un type spécifique de tour.

Ancienne méthode (Apprentissage standard) : Vous tenez la main de l'enfant et déplacez ses doigts pour empiler les blocs. Il apprend la mémoire musculaire. Si vous changez les blocs, il pourrait échouer.
Méthode de ce papier (ILP) : Vous installez l'enfant et lui expliquez les règles : « Les blocs rouges vont en bas, les bleus au milieu, et les verts en haut. Vous ne pouvez construire des tours qu'à côté de l'emplacement central. » Une fois que l'enfant comprend ces règles, il peut construire une tour avec n'importe quels blocs, à n'importe quel endroit, tant qu'il suit la logique.

2. Décomposer la grande tâche en petits puzzles

Les auteurs ont réalisé que tenter d'enseigner toutes les règles à un robot d'un coup, c'est comme essayer de résoudre un immense puzzle en regardant l'image complète d'un seul coup : c'est trop accablant.

Au lieu de cela, ils décomposent la tâche en trois puzzles plus petits et plus faciles (niveaux d'abstraction) :

Niveau 1 (Les Ingrédients) : D'abord, le robot apprend quel matériau va où. « La pierre va en bas, la brique au milieu. » Il apprend cette règle à partir d'exemples.
Niveau 2 (La Structure) : Ensuite, le robot utilise la règle qu'il vient d'apprendre pour comprendre ce qu'est réellement une « tour ». Il apprend qu'une tour n'est qu'une liste de blocs empilés les uns sur les autres.
Niveau 3 (L'Emplacement) : Enfin, le robot apprend où il a le droit de construire. « Vous pouvez construire à côté du centre, mais pas sur la diagonale. »

3. L'effet de la « Fausse Note »

Voici la partie ingénieuse : une fois que le robot a appris la règle du Niveau 1 (les matériaux), il note cette règle et l'ajoute à sa « fausse note » (connaissances de base). Lorsqu'il passe au Niveau 2, il n'a pas besoin de réapprendre les matériaux ; il utilise simplement la fausse note.

C'est comme un étudiant qui apprend les mathématiques : d'abord, il apprend l'addition. Ensuite, lorsqu'il apprend la multiplication, il utilise l'addition comme fondation. Il n'a pas besoin de réapprendre ce que signifie « 2 + 2 » à chaque fois qu'il fait un problème de multiplication. Cela rend le processus d'apprentissage plus rapide et le résultat final beaucoup plus intelligent.

4. Les Résultats : Généralisation

Les chercheurs ont testé cela dans une simulation informatique avec des blocs.

Entraînement : Ils ont montré au robot comment construire des tours de hauteur 2 et 3 en utilisant des blocs spécifiques.
Le Test : Ils ont ensuite donné au robot un défi plus difficile : construire une tour de hauteur 4 en utilisant un nouveau type de bloc (bois) qu'il n'avait jamais vu auparavant, et dans un nouvel emplacement qui était bloqué pendant l'entraînement.

Parce que le robot avait appris la logique (les règles) plutôt que de simplement copier des mouvements, il a réussi. Il a compris : « Ah, la règle dit "le bois va en haut", et la règle dit "je peux construire à côté du centre", donc je peux construire cette nouvelle tour. »

5. Pourquoi cela compte (et ses limites)

Les bonnes nouvelles :

Lisible par l'humain : Les règles que le robot apprend ressemblent à de simples phrases « Si-Alors » (par exemple, « Si le bloc est en pierre, alors place-le au niveau 1 »). Les humains peuvent les lire et comprendre exactement pourquoi le robot a pris une décision.
Efficace : Il a besoin de moins d'exemples pour apprendre car il s'appuie sur ce qu'il sait déjà.

Le hic :

Configuration manuelle : Pour l'instant, les humains doivent encore faire beaucoup du travail lourd. Un humain doit dire au robot quelles règles chercher et comment décrire les blocs. Le robot n'est pas encore totalement autonome ; il a besoin d'un humain pour mettre en scène la situation.
Mondes simples : Cela fonctionne très bien pour des tâches discrètes et claires comme trier des blocs ou assembler des jouets. Cela peine avec des choses désordonnées du monde réel où les éléments ne sont pas clairement définis (comme une table mouillée et glissante).

Résumé

Ce papier présente une façon d'enseigner aux robots en les aidant à découvrir la logique derrière une tâche, plutôt que de simplement mémoriser les actions. En décomposant un travail complexe en petites étapes logiques et en permettant au robot de réutiliser ce qu'il apprend à une étape pour aider à la suivante, le robot devient beaucoup plus apte à gérer de nouvelles situations délicates qu'il n'a jamais rencontrées. C'est la différence entre enseigner à un robot à danser en bougeant ses pieds, et lui enseigner le rythme et les pas pour qu'il puisse danser sur n'importe quelle chanson.

Résumé technique : Apprentissage de règles de tâches symboliques compositionnelles à partir de démonstrations par programmation logique inductive

Formulation du problème
L'article aborde une limitation de l'apprentissage par démonstration (LfD) standard, où les robots apprennent souvent uniquement comment exécuter une tâche (reproduction d'actions de bas niveau) sans récupérer le quoi sous-jacent (structure de tâche symbolique de haut niveau). Les auteurs soutiennent que, pour accroître l'autonomie, les représentations de tâches doivent être inspectables, réutilisables et interprétables par l'humain. Le problème central est défini comme la récupération de connaissances explicites sur la tâche à partir d'exécutions observées dans un domaine de manipulation discrète (par exemple, l'assemblage de blocs). Le système doit inférer des règles symboliques expliquant le comportement démontré à différents niveaux d'abstraction (ontologiques), allant au-delà de la correspondance de motifs statistiques pour induire des règles riches en logique.

Méthodologie
Le cadre proposé utilise la programmation logique inductive (ILP), et plus précisément le solveur de pointe Popper, pour induire des règles de tâches symboliques. La méthodologie se caractérise par une approche d'apprentissage hiérarchique et décomposée :

Décomposition de la tâche : Au lieu d'apprendre un programme de tâche monolithique, la tâche complexe est décomposée en une séquence ordonnée de cibles d'apprentissage plus simples et pertinentes pour la tâche ( $\Psi_{learn} = [\tau_1, \dots, \tau_K]$ ) à différents niveaux d'abstraction.
Induction itérative de règles : Pour chaque prédicat cible $\tau$ $τ$ , le système :
- Ancrage les démonstrations dans des états abstraits en utilisant un programme de fond $B$ (contenant les ontologies d'objets et les définitions de l'environnement).
- Extrait des exemples positifs ( $E^+$ ) et négatifs ( $E^-$ ).
- Utilise Popper pour induire une hypothèse $H_\tau$ (un ensemble de clauses définies) qui explique les données sous le savoir-fond actuel.
Réutilisation des connaissances : Crucialement, après l'apprentissage d'une cible, les règles induites ( $H_\tau$ ) sont réintégrées dans le savoir-fond ( $B \leftarrow B \cup H_\tau$ ). Cela permet aux cibles ultérieures, de niveau supérieur, de réutiliser les abstractions précédemment apprises (par exemple, utiliser une carte apprise « matériau-vers-niveau » pour définir un concept de « tour »).
Exécution : Au moment du test, un planificateur basé sur Prolog utilise l'union de toutes les règles apprises ( $H = \bigcup H_\tau$ ) pour contraindre l'espace de recherche, énumérant les séquences d'actions candidates et élaguant celles qui violent les contraintes symboliques apprises afin de produire un plan valide de prise et de dépôt.

Contributions clés

Cadre basé sur l'ILP pour le LfD au niveau de la tâche : L'article présente un cadre novateur qui apprend et réutilise des règles compositionnelles de logique du premier ordre à travers les niveaux d'abstraction, contrastant avec les approches reposant sur des représentations neuronales latentes ou un ancrage stochastique qui n'offrent qu'une interprétabilité partielle.
Évaluation dans l'assemblage de blocs synthétique : Les auteurs fournissent des évaluations qualitatives et quantitatives dans un domaine synthétique. Ils démontrent que les règles apprises sont interprétables, soutiennent la planification et se généralisent à des tâches plus difficiles, non vues lors de l'entraînement, impliquant des objets inédits (par exemple, de nouveaux matériaux) et des emplacements de dépôt inédits.

Résultats expérimentaux
Le système a été évalué dans un monde en grille 3x3 où un robot construit des tours de hauteurs variables (2 à 4 blocs) en utilisant des blocs de différents matériaux (pierre, brique, verre, bois).

Généralisation : Le système a réussi à se généraliser à des tâches de test nécessitant des tours plus hautes (hauteur 4) et des sites de dépôt différents de ceux observés lors de l'entraînement.
Efficacité des données : Pour atteindre 100 % de satisfaction des objectifs et de correspondance des règles logiques sur toutes les cibles, le système a nécessité en moyenne 243 démonstrations (40 pour target_z, 166 pour tower_from et 37 pour tower_site). Lorsque les démonstrations étaient sélectionnées manuellement pour maximiser la densité des contraintes, cette exigence est tombée à 77 démonstrations au total.
Interprétabilité : Les règles apprises étaient compactes et lisibles par l'humain. Par exemple, le système a appris des définitions récursives pour les structures de tours et des règles compositionnelles pour le placement des matériaux (par exemple, « les blocs de pierre sont assignés au niveau z1 ») plutôt que de mémoriser des coordonnées spécifiques.
Performance : L'induction de règles et la planification ont pris seulement quelques secondes par tâche sur un CPU standard.

Portée et affirmations
L'article affirme fournir des preuves préliminaires que la décomposition de tâches complexes en objectifs d'apprentissage plus simples rend l'ILP une approche faisable pour le LfD au niveau de la tâche. Les auteurs soulignent que leur approche offre une forte généralisation et une interprétabilité par rapport aux méthodes neuro-symboliques qui reposent sur des modèles vision-langage (VLM) pour l'évaluation de prédicats complexes, ce qui peut être peu fiable.

L'article maintient un ton modeste concernant son périmètre :

Il se concentre sur le cœur symbolique et l'évaluation synthétique, reconnaissant que l'intégration dans le monde réel nécessite un travail futur sur les modules de perception et le raisonnement probabiliste.
Il note explicitement des limitations, notamment le manque d'autonomie du système (nécessitant une spécification manuelle des prédicats cibles, des biais et des encodages) et la nature combinatoire de la recherche d'hypothèses en logique du premier ordre, qui peut entraîner des problèmes d'évolutivité si le savoir-fond est trop étendu.
Un travail futur est proposé pour remédier à ces limitations par l'invention automatique de prédicats, la génération de biais et l'intégration de la logique probabiliste (par exemple, Scallop) pour gérer les entrées bruyantes du monde réel.