論文の概要: EvoCraft: A New Challenge for Open-Endedness

• arxiv url: http://arxiv.org/abs/2012.04751v1
• Date: Tue, 8 Dec 2020 21:36:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-16 21:27:07.036566
• Title: EvoCraft: A New Challenge for Open-Endedness
• Title（参考訳）: EvoCraft: オープンエンドレスネスの新たな挑戦
• Authors: Djordje Grbic, Rasmus Berg Palm, Elias Najarro, Claire Glanois, Sebastian Risi
• Abstract要約: EvoCraftは、オープンなアルゴリズムを研究するために設計されたMinecraftのフレームワークである。 EvoCraftは、複雑なアーティファクトを見つけるための自動検索方法(進化など)に挑戦的な新しい環境を提供する。
• 参考スコア（独自算出の注目度）: 7.927206441149002
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces EvoCraft, a framework for Minecraft designed to study open-ended algorithms. We introduce an API that provides an open-source Python interface for communicating with Minecraft to place and track blocks. In contrast to previous work in Minecraft that focused on learning to play the game, the grand challenge we pose here is to automatically search for increasingly complex artifacts in an open-ended fashion. Compared to other environments used to study open-endedness, Minecraft allows the construction of almost any kind of structure, including actuated machines with circuits and mechanical components. We present initial baseline results in evolving simple Minecraft creations through both interactive and automated evolution. While evolution succeeds when tasked to grow a structure towards a specific target, it is unable to find a solution when rewarded for creating a simple machine that moves. Thus, EvoCraft offers a challenging new environment for automated search methods (such as evolution) to find complex artifacts that we hope will spur the development of more open-ended algorithms. A Python implementation of the EvoCraft framework is available at: https://github.com/real-itu/Evocraft-py.
• Abstract（参考訳）: 本稿では,オープンエンドアルゴリズムの研究を目的としたMinecraft用フレームワークであるEvoCraftを紹介する。 我々は,Minecraftと通信してブロックの配置と追跡を行う,オープンソースのPythonインターフェースを提供するAPIを導入する。 Minecraftのこれまでの取り組みとは対照的に、私たちが直面する大きな課題は、オープンエンドの方法で、ますます複雑なアーティファクトを自動的に検索することだ。 オープンディペンデンスを研究するために使われる他の環境と比較して、Minecraftは回路と機械部品を備えたアクチュエータマシンを含む、ほぼあらゆる種類の構造を構築することができる。 インタラクティブかつ自動化された進化を通じて、単純なMinecraft生成を進化させる上で、最初のベースライン結果を示す。 進化は、特定のターゲットに向かって構造を成長させるよう命令されたときに成功するが、動く単純なマシンを作ると報われると解決策を見つけることができない。 このように、EvoCraftは自動検索方法(進化など)に挑戦的な新しい環境を提供し、よりオープンなアルゴリズムの開発を促進することを期待しています。 evocraftフレームワークのpython実装は、https://github.com/real-itu/evocraft-pyで利用可能である。

関連論文リスト

• Craftium: An Extensible Framework for Creating Reinforcement Learning Environments [0.5461938536945723]
  本稿では,リッチな3次元視覚的RL環境を探索・作成するための新しいフレームワークであるCraftiumについて述べる。 Craftiumは、Minetestゲームエンジンと人気のあるGymnasium APIの上に構築されている。
  論文  参考訳（メタデータ） (2024-07-04T14:38:02Z)
• Craftax: A Lightning-Fast Benchmark for Open-Ended Reinforcement Learning [4.067733179628694]
  Craftaxは、JAXでCrafterをベースとして書き直したもので、Pythonネイティブのオリジナルよりも最大250倍高速である。 10億の環境相互作用を使ったPPOの実行は、1つのGPUだけで1時間以内で終了する。 本研究では,グローバル・エピソード探索を含む既存の手法と,教師なし環境設計がベンチマークで実質的な進歩を損なうことを示す。
  論文  参考訳（メタデータ） (2024-02-26T18:19:07Z)
• Auto MC-Reward: Automated Dense Reward Design with Large Language Models for Minecraft [88.80684763462384]
  本稿では,Large Language Models (LLMs) を利用して高密度報酬関数を自動設計する,Auto MC-Rewardという高度な学習システムを提案する。 実験では、Minecraftの複雑なタスクにおいて、エージェントの成功率と学習効率が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2023-12-14T18:58:12Z)
• Meta-Diversity Search in Complex Systems, A Recipe for Artificial Open-Endedness ? [0.0]
  この記事では、Minecraftにおける新しい複雑なアーティファクトの終わりのない世代のための、いくつかの機能的な材料であると考えられるものを紹介します。 我々は,レニア連続セルオートマトンを用いた人工的な「化学」システムをシミュレートし,人工的な「発見アシスタント」(ホームズと呼ばれる)を人工的に生成する。
  論文  参考訳（メタデータ） (2023-12-01T09:40:27Z)
• Ghost in the Minecraft: Generally Capable Agents for Open-World Environments via Large Language Models with Text-based Knowledge and Memory [97.87093169454431]
  Ghost in the Minecraft (GITM) は、LLM(Large Language Models)とテキストベースの知識と記憶を統合する新しいフレームワークである。 我々は、構造化されたアクションのセットを開発し、LSMを活用してエージェントが実行するアクションプランを生成する。 LLMをベースとしたエージェントは、従来の手法を著しく上回り、成功率+47.5%という顕著な改善を達成している。
  論文  参考訳（メタデータ） (2023-05-25T17:59:49Z)
• Evolving Flying Machines in Minecraft Using Quality Diversity [62.997667081978825]
  EvoCraftはMinecraftで構造を生成するためのAPIである。 本稿では、飛行機械を進化させるために、フィットネスベースの進化と品質ベースの多様性探索を適用する。
  論文  参考訳（メタデータ） (2023-02-01T22:25:28Z)
• MineDojo: Building Open-Ended Embodied Agents with Internet-Scale Knowledge [70.47759528596711]
  私たちは、人気のMinecraftゲーム上に構築された新しいフレームワークであるMineDojoを紹介します。 本稿では,学習報酬関数として,大規模な事前学習ビデオ言語モデルを活用する新しいエージェント学習アルゴリズムを提案する。 我々のエージェントは、手動で設計した密なシェーピング報酬なしで、自由形式の言語で指定された様々なオープンエンドタスクを解くことができる。
  論文  参考訳（メタデータ） (2022-06-17T15:53:05Z)
• World-GAN: a Generative Model for Minecraft Worlds [27.221938979891384]
  この研究は、Minecraftで機械学習を介してデータ駆動の手続き型コンテンツ生成を実行する最初の方法であるWorld-GANを紹介する。 GAN(Generative Adversarial Network)アーキテクチャをベースとして,任意のサンプルから任意のサイズの世界スニペットを作成できる。
  論文  参考訳（メタデータ） (2021-06-18T14:45:39Z)
• Scaling Imitation Learning in Minecraft [114.6964571273486]
  本研究では,マインクラフト環境でのハード・サーベイ問題に対する最先端の性能を達成するために模倣学習を適用した。 私たちのアプローチの初期バージョンは、NeurIPS 2019でMineRLコンペティションで2位にランクインしました。
  論文  参考訳（メタデータ） (2020-07-06T12:47:01Z)
• AutoML-Zero: Evolving Machine Learning Algorithms From Scratch [76.83052807776276]
  基本数学的操作をビルディングブロックとして使うだけで,完全な機械学習アルゴリズムを自動的に発見できることが示される。 汎用的な検索空間を通じて人間のバイアスを大幅に低減する新しいフレームワークを導入することでこれを実証する。 機械学習アルゴリズムをゼロから発見する上で、これらの予備的な成功は、この分野における有望な新しい方向性を示していると信じている。
  論文  参考訳（メタデータ） (2020-03-06T19:00:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。