論文の概要: The Effects of Learning in Morphologically Evolving Robot Systems
- arxiv url: http://arxiv.org/abs/2107.08249v1
- Date: Sat, 17 Jul 2021 14:38:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-21 06:33:37.568201
- Title: The Effects of Learning in Morphologically Evolving Robot Systems
- Title（参考訳）: 形態変化するロボットシステムにおける学習の効果
- Authors: Jie Luo, Jakub M. Tomczak, Agoston E. Eiben
- Abstract要約: モジュール型ロボットは、組換えと突然変異によって両親の身体を継承する子孫を生成できるシステムを構築した。
第1のアプローチは、ロボットの子供の脳が親から受け継がれていることを意味する進化のみを含む。
第2のアプローチは進化と学習であり、これは子供の脳も継承されることを意味するが、さらに学習アルゴリズムによって開発される。
- 参考スコア（独自算出の注目度）: 10.592277756185046
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: When controllers (brains) and morphologies (bodies) of robots simultaneously
evolve, this can lead to a problem, namely the brain & body mismatch problem.
In this research, we propose a solution of lifetime learning. We set up a
system where modular robots can create offspring that inherit the bodies of
parents by recombination and mutation. With regards to the brains of the
offspring, we use two methods to create them. The first one entails solely
evolution which means the brain of a robot child is inherited from its parents.
The second approach is evolution plus learning which means the brain of a child
is inherited as well, but additionally is developed by a learning algorithm -
RevDEknn. We compare these two methods by running experiments in a simulator
called Revolve and use efficiency, efficacy, and the morphology intelligence of
the robots for the comparison. The experiments show that the evolution plus
learning method does not only lead to a higher fitness level, but also to more
morphologically evolving robots. This constitutes a quantitative demonstration
that changes in the brain can induce changes in the body, leading to the
concept of morphological intelligence, which is quantified by the learning
delta, meaning the ability of a morphology to facilitate learning.
- Abstract（参考訳）: ロボットの制御器(脳)と形態学(身体)が同時に進化すると、脳と身体のミスマッチ問題という問題を引き起こす可能性がある。
本研究では,生涯学習の解決策を提案する。
モジュール型ロボットは、組換えと突然変異によって両親の身体を継承する子孫を生成できるシステムを構築した。
子孫の脳に関して、私たちは2つの方法を使ってそれらを作ります。
1つ目は進化のみを伴い、つまりロボットの子供の脳は両親から受け継がれる。
第二のアプローチは進化と学習であり、これは子供の脳も継承されることを意味するが、学習アルゴリズムRevDEknnによって開発される。
本研究では,Revolveと呼ばれるシミュレータで実験を行い,ロボットの効率性,有効性,形態的知性を用いて比較を行った。
実験によると、進化と学習の方法は、より高いフィットネスレベルをもたらすだけでなく、より形態的に進化するロボットにも繋がる。
これは、脳の変化が身体の変化を誘発し、学習デルタによって定量化される形態学的知能の概念、つまり学習を促進する形態学の能力につながる、定量的な実証である。
関連論文リスト
- Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - Lamarck's Revenge: Inheritance of Learned Traits Can Make Robot
Evolution Better [2.884244918665901]
「もし18世紀の生物学者ラマルクが完全に間違っておらず、生涯に学んだ個々の特性が継承を通じて子孫に受け継がれるとしたらどうだろう。」
この枠組みでは、学習した脳のビットが継承可能なラマルク系と、そうでないダーウィン系を比較する。
論文 参考訳（メタデータ） (2023-09-22T15:29:15Z) - Universal Morphology Control via Contextual Modulation [52.742056836818136]
異なるロボット形態をまたいだ普遍的なポリシーの学習は、継続的な制御における学習効率と一般化を著しく向上させることができる。
既存の手法では、グラフニューラルネットワークやトランスフォーマーを使用して、異種状態と異なる形態のアクション空間を処理する。
本稿では,この依存関係を文脈変調によりモデル化する階層型アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-02-22T00:04:12Z) - HERD: Continuous Human-to-Robot Evolution for Learning from Human
Demonstration [57.045140028275036]
本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。
本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-12-08T15:56:13Z) - Comparing lifetime learning methods for morphologically evolving robots [3.6095388702618414]
ロボットの形態やコントローラーの進化は同時に問題を引き起こす。
親が健康な体と脳を持っているとしても、組み換えによってこのマッチを破り、子孫に脳のミスマッチを引き起こす可能性がある。
我々は、新生児ロボットが、出生後すぐに遺伝した脳を最適化する学習プロセスを実行することで、これを緩和できると主張している。
論文 参考訳（メタデータ） (2022-03-08T09:49:56Z) - The Effects of Learning in Morphologically Evolving Robot Systems [8.627180519837657]
学習はタスクのパフォーマンスを大幅に向上させ、特定のフィットネスレベルに達するために必要な世代数を削減できることを示す。
学習はコントローラにのみ直接影響を与えるが、進化した形態も異なることを実証する。
進化過程を通じて、遺伝と学習した脳のパフォーマンス差である学習デルタが成長しているのを観察する。
論文 参考訳（メタデータ） (2021-11-18T18:20:33Z) - Embodied Intelligence via Learning and Evolution [92.26791530545479]
環境の複雑さが形態学的知能の進化を促進することを示す。
また、進化は速く学習する形態を素早く選択することを示した。
我々の実験は、ボールドウィン効果とモルフォロジーインテリジェンスの発生の両方の力学的基礎を示唆している。
論文 参考訳（メタデータ） (2021-02-03T18:58:31Z) - The Dynamic of Body and Brain Co-Evolution [0.0]
本稿では,ロボットの身体と制御特性の共進化を可能にする手法を提案する。
ロボットの形態的特性を手作業で設計した形態的バプランに適応させたり、形態的バプランを進化させたりすることができる。
以上の結果から,共適応体と制御特性を持つロボットは,手作り形態が固定されたロボットよりも優れていたことが示唆された。
論文 参考訳（メタデータ） (2020-11-23T14:41:57Z) - Morphological Development at the Evolutionary Timescale: Robotic
Developmental Evolution [5.000272778136268]
我々は、系統学的時間スケールで発生する発達過程を設計することを提案する。
成体ロボットのみによる進化的探索よりも、より良く質的に異なる歩行を生み出すことが示される。
提案手法は概念的には単純であり,小人数のロボットに有効である。
論文 参考訳（メタデータ） (2020-10-28T11:24:23Z) - A Developmental Neuro-Robotics Approach for Boosting the Recognition of
Handwritten Digits [91.3755431537592]
近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。
本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
論文 参考訳（メタデータ） (2020-03-23T14:55:00Z) - Rapidly Adaptable Legged Robots via Evolutionary Meta-Learning [65.88200578485316]
本稿では,ロボットが動的変化に迅速に適応できるメタ学習手法を提案する。
提案手法は高雑音環境における動的変化への適応性を著しく改善する。
我々は、動的に変化しながら歩くことを学習する四足歩行ロボットに対するアプローチを検証する。
論文 参考訳（メタデータ） (2020-03-02T22:56:27Z)
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。