論文の概要: The Effects of Learning in Morphologically Evolving Robot Systems
- arxiv url: http://arxiv.org/abs/2111.09851v1
- Date: Thu, 18 Nov 2021 18:20:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-19 16:12:52.185930
- 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, Aart Stuurman, Jakub M. Tomczak, Jacintha Ellers, Agoston E.
Eiben
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 8.627180519837657
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Simultaneously evolving morphologies (bodies) and controllers (brains) of
robots can cause a mismatch between the inherited body and brain in the
offspring. To mitigate this problem, the addition of an infant learning period
by the so-called Triangle of Life framework has been proposed relatively long
ago. However, an empirical assessment is still lacking to-date. In this paper
we investigate the effects of such a learning mechanism from different
perspectives. Using extensive simulations we show that learning can greatly
increase task performance and reduce the number of generations required to
reach a certain fitness level compared to the purely evolutionary approach.
Furthermore, although learning only directly affects the controllers, we
demonstrate that the evolved morphologies will be also different. This provides
a quantitative demonstration that changes in the brain can induce changes in
the body. Finally, we examine the concept of morphological intelligence
quantified by the ability of a given body to learn. We observe that the
learning delta, the performance difference between the inherited and the
learned brain, is growing throughout the evolutionary process. This shows that
evolution is producing robots with an increasing plasticity, that is,
consecutive generations are becoming better and better learners which in turn
makes them better and better at the given task. All in all, our results
demonstrate that the Triangle of Life is not only a concept of theoretical
interest, but a system architecture with practical benefits.
- Abstract（参考訳）: 同時に進化する形態学(身体)とロボットの制御器(脳)は、子孫の遺伝体と脳のミスマッチを引き起こす可能性がある。
この問題を緩和するために、いわゆる三角式生活フレームワークによる幼児の学習期間の追加が、比較的以前から提案されてきた。
しかし、まだ実証的な評価が不足している。
本稿では,このような学習メカニズムの効果について,異なる視点から検討する。
広範囲なシミュレーションを用いて、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純粋に進化的なアプローチと比較して減少させることができることを示す。
さらに,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示す。
これは、脳の変化が身体の変化を誘発できる定量的なデモンストレーションを提供する。
最後に,ある身体が学習する能力によって定量化される形態的知性の概念を検討する。
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。
これは、進化が可塑性を増すロボットを生産していることを示している。つまり、連続する世代がより良くなり、学習者が増え、それによって与えられたタスクがより良くなる。
全体として、我々の結果は、生命の三角形は理論的な関心のコンセプトであるだけでなく、実際的な利益を持つシステムアーキテクチャであることを示している。
関連論文リスト
- 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) - Learning Goal-based Movement via Motivational-based Models in Cognitive
Mobile Robots [58.720142291102135]
人間は、強さと文脈に応じて行動を促進する必要がある。
また、各行動の知覚的快楽に関連する嗜好も作り出します。
これにより、意思決定がより複雑になり、コンテキストに応じてニーズと嗜好のバランスを取ることが求められます。
論文 参考訳（メタデータ） (2023-02-20T04:52:24Z) - Anti-Retroactive Interference for Lifelong Learning [65.50683752919089]
我々は脳のメタラーニングと連想機構に基づく生涯学習のパラダイムを設計する。
知識の抽出と知識の記憶という2つの側面から問題に取り組む。
提案した学習パラダイムが,異なるタスクのモデルを同じ最適に収束させることができることを理論的に分析した。
論文 参考訳（メタデータ） (2022-08-27T09:27:36Z) - The Introspective Agent: Interdependence of Strategy, Physiology, and
Sensing for Embodied Agents [51.94554095091305]
本論では, 環境の文脈において, 自己能力を考慮した内省的エージェントについて論じる。
自然と同じように、私たちは戦略を1つのツールとして再編成して、環境において成功させたいと考えています。
論文 参考訳（メタデータ） (2022-01-02T20:14:01Z) - The Effects of Learning in Morphologically Evolving Robot Systems [10.592277756185046]
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。
論文 参考訳（メタデータ） (2021-07-17T14:38:26Z) - 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) - 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) - Patch-based Brain Age Estimation from MR Images [64.66978138243083]
磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。
より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。
我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
論文 参考訳（メタデータ） (2020-08-29T11:50:37Z) - 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) - An Experiment in Morphological Development for Learning ANN Based
Controllers [0.0]
学習過程は出生時の形態から始まり、成人になるまで形態を変化させる。
このアプローチをロボットシステムに移すと、文献で得られた結果は矛盾する。
本稿では,四足歩行における簡単な,しかし非常に有意義な実験から,いくつかの問題を解析する。
論文 参考訳（メタデータ） (2020-03-12T14:29:06Z) - Some Experiments on the influence of Problem Hardness in Morphological
Development based Learning of Neural Controllers [0.0]
本稿では,形態的発達が学習を促進するためにどのように活用できるかを考察する。
特に、複雑なタスクを学ぶ際に形態的発達が真に有利になるかどうか、そしてタスクが困難になるにつれて、そのタスクの学習への関連性に焦点をあてる。
論文 参考訳（メタデータ） (2020-03-12T14:23:25Z)
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。