論文の概要: Carle's Game: An Open-Ended Challenge in Exploratory Machine Creativity
- arxiv url: http://arxiv.org/abs/2107.05786v1
- Date: Tue, 13 Jul 2021 00:07:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-14 14:55:30.947370
- Title: Carle's Game: An Open-Ended Challenge in Exploratory Machine Creativity
- Title(参考訳): Carle's Game: 探索機械の創造性への挑戦
- Authors: Q. Tyrell Davis
- Abstract要約: 本稿では,ライフライクなセルオートマトンシミュレータCARLEと強化学習環境について紹介する。
また、オープンエンドマシン探索と創造性の挑戦であるCarle's Gameへの招待でもある。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper is both an introduction and an invitation. It is an introduction
to CARLE, a Life-like cellular automata simulator and reinforcement learning
environment. It is also an invitation to Carle's Game, a challenge in
open-ended machine exploration and creativity. Inducing machine agents to excel
at creating interesting patterns across multiple cellular automata universes is
a substantial challenge, and approaching this challenge is likely to require
contributions from the fields of artificial life, AI, machine learning, and
complexity, at multiple levels of interest. Carle's Game is based on machine
agent interaction with CARLE, a Cellular Automata Reinforcement Learning
Environment. CARLE is flexible, capable of simulating any of the 262,144
different rules defining Life-like cellular automaton universes. CARLE is also
fast and can simulate automata universes at a rate of tens of thousands of
steps per second through a combination of vectorization and GPU acceleration.
Finally, CARLE is simple. Compared to high-fidelity physics simulators and
video games designed for human players, CARLE's two-dimensional grid world
offers a discrete, deterministic, and atomic universal playground, despite its
complexity. In combination with CARLE, Carle's Game offers an initial set of
agent policies, learning and meta-learning algorithms, and reward wrappers that
can be tailored to encourage exploration or specific tasks.
- Abstract(参考訳): この論文は紹介と招待の両方です。
ライフライクなセルオートマトンシミュレータと強化学習環境であるCARLEの導入である。
また、オープンエンドマシン探索と創造性の挑戦であるCarle's Gameへの招待でもある。
複数のセルオートマチック宇宙にまたがる興味深いパターンを作るために、機械エージェントを誘導することは大きな課題であり、この課題に取り組むには、人工生命、AI、機械学習、複雑さの分野から、さまざまなレベルの関心を持って貢献する必要がある。
Carle's Gameはセルラーオートマタ強化学習環境であるCARLEとのマシンエージェントインタラクションに基づいている。
CARLEは柔軟で、ライフライクなセルオートマトン宇宙を定義する262,144のルールをシミュレートすることができる。
carleはまた高速で、ベクトル化とgpuアクセラレーションの組み合わせによって、毎秒数万歩の速度でオートマトン宇宙をシミュレートすることができる。
最後に、CARLEは単純です。
人間のプレイヤー向けに設計された高忠実な物理シミュレータやビデオゲームと比較すると、CARLEの2次元グリッドワールドは複雑さにもかかわらず、離散的で決定論的でアトミックな普遍的な遊び場を提供する。
CARLEと組み合わせて、Carle's Gameは、エージェントポリシー、学習とメタ学習アルゴリズム、そして、探索や特定のタスクを奨励するために調整可能な報酬ラッパーのセットを提供する。
関連論文リスト
- BEHAVIOR-1K: A Human-Centered, Embodied AI Benchmark with 1,000 Everyday Activities and Realistic Simulation [63.42591251500825]
本稿では,人間中心ロボットの総合シミュレーションベンチマークであるBEHAVIOR-1Kを提案する。
ひとつは、90以上のオブジェクトにリッチな物理的およびセマンティックな特性を付加した50のシーンで、1,000の日常的な活動を定義することである。
第二にOMNIGIBSONは、現実的な物理シミュレーションと剛体、変形可能な体、液体のレンダリングを通じてこれらの活動を支援する新しいシミュレーション環境である。
論文 参考訳(メタデータ) (2024-03-14T09:48:36Z) - Learning Interactive Real-World Simulators [107.12907352474005]
生成モデルを用いて実世界の相互作用の普遍的なシミュレータを学習する可能性について検討する。
シミュレーターを用いて、高レベルな視覚言語ポリシーと低レベルな強化学習ポリシーの両方を訓練する。
ビデオキャプションモデルは、シミュレートされた経験を持つトレーニングの恩恵を受けることができる。
論文 参考訳(メタデータ) (2023-10-09T19:42:22Z) - Towards a Holodeck-style Simulation Game [40.044978986425676]
Infinitiaは生成画像と言語モデルを使用して、プレイヤーからの短い記述に基づいて設定とNPCの全ての側面を再構築する。
InfinitiaはサーバクライアントアーキテクチャでUnityエンジンに実装されている。
マルチプレイヤーのフレームワークを使って、人間がシミュレーションに参加して対話できるようにしている。
論文 参考訳(メタデータ) (2023-08-22T19:19:19Z) - Real Robot Challenge 2022: Learning Dexterous Manipulation from Offline
Data in the Real World [38.54892412474853]
リアルロボットチャレンジ2022は、強化学習とロボティクスのコミュニティの間の橋として機能した。
我々は参加者に、提供された実ロボットデータセットからプッシュ、グリップ、手動の向きを含む2つの巧妙な操作タスクを学ぶように頼んだ。
大規模なソフトウェアドキュメンテーションと、実際のセットアップのシミュレーションに基づく初期ステージにより、競争は特にアクセスしやすくなった。
論文 参考訳(メタデータ) (2023-08-15T12:40:56Z) - Sim-to-Real via Sim-to-Seg: End-to-end Off-road Autonomous Driving
Without Real Data [56.49494318285391]
我々は、オフロード自動運転の視覚的現実的ギャップを横断するRCANを再想像するSim2Segを紹介する。
これは、ランダム化されたシミュレーション画像をシミュレートされたセグメンテーションと深さマップに変換する学習によって行われる。
これにより、シミュレーションでエンドツーエンドのRLポリシーをトレーニングし、現実世界に直接デプロイできます。
論文 参考訳(メタデータ) (2022-10-25T17:50:36Z) - Factory: Fast Contact for Robotic Assembly [29.948128168543114]
Factoryは物理シミュレーション手法とロボット学習ツールのセットである。
我々は、広範囲のコンタクトリッチシーンのリアルタイムまたは高速なシミュレーションを実現する。
私たちは、慎重に設計されたパーツモデル60ドル、ロボット組立環境3、バーチャルロボットのトレーニングとテストのための7つのロボットコントローラを提供しています。
論文 参考訳(メタデータ) (2022-05-07T03:27:30Z) - Deep Latent Competition: Learning to Race Using Visual Control Policies
in Latent Space [63.57289340402389]
Deep Latent Competition (DLC) は、想像力の自己プレイを通じて、競合する視覚制御ポリシーを学ぶ強化学習アルゴリズムである。
想像すると、セルフプレイは現実世界でコストのかかるサンプル生成を削減し、潜在表現は観測次元で計画を優雅にスケールできる。
論文 参考訳(メタデータ) (2021-02-19T09:00:29Z) - COCOI: Contact-aware Online Context Inference for Generalizable
Non-planar Pushing [87.7257446869134]
一般的なコンタクトリッチな操作問題は、ロボット工学における長年の課題である。
深層強化学習は、ロボット操作タスクの解決に大きな可能性を示している。
動的プロパティのコンテキスト埋め込みをオンラインにエンコードする深層RL法であるCOCOIを提案する。
論文 参考訳(メタデータ) (2020-11-23T08:20:21Z) - Measuring Behavioural Similarity of Cellular Automata [0.0]
コンウェイのゲーム・オブ・ライフは、262,144人のメンバーからなる半トータル的なセルオートマトンに属する。
連続した高次元ベクトル空間を提案し、各オートマトンは空間内の点によって表現される。
この空間は、研究者が半古典主義的な規則の族の構造を見やすくし、家族の中に隠された宝石を見つけるのに役立つだろう。
論文 参考訳(メタデータ) (2020-10-16T14:53:33Z) - Sim2Real for Peg-Hole Insertion with Eye-in-Hand Camera [58.720142291102135]
シミュレーションを用いてペグホール挿入問題を学習し,学習したモデルを実ロボットに転送する。
本稿では,RGB-Dとジョイント情報(プロレセプション)のみを取り入れたトランスファーポリシーが,実際のロボットに対して良好に動作することを示す。
論文 参考訳(メタデータ) (2020-05-29T05:58:54Z)
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。