論文の概要: Open-Ended Evolution for Minecraft Building Generation

• arxiv url: http://arxiv.org/abs/2209.03108v1
• Date: Wed, 7 Sep 2022 12:48:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-08 11:55:50.689852
• Title: Open-Ended Evolution for Minecraft Building Generation
• Title（参考訳）: Minecraft構築のためのオープンエンド進化
• Authors: Matthew Barthet, Antonios Liapis, Georgios N. Yannakakis
• Abstract要約: 本稿では,本質的な新規性の定義に従ってMinecraftの建物を進化させるプロシージャコンテンツジェネレータを提案する。 3次元オートエンコーダを用いて潜伏空間における個体の新規性を評価し,探索と変換の段階を交互に検討した。
• 参考スコア（独自算出の注目度）: 1.393683063795544
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a procedural content generator which evolves Minecraft buildings according to an open-ended and intrinsic definition of novelty. To realize this goal we evaluate individuals' novelty in the latent space using a 3D autoencoder, and alternate between phases of exploration and transformation. During exploration the system evolves multiple populations of CPPNs through CPPN-NEAT and constrained novelty search in the latent space (defined by the current autoencoder). We apply a set of repair and constraint functions to ensure candidates adhere to basic structural rules and constraints during evolution. During transformation, we reshape the boundaries of the latent space to identify new interesting areas of the solution space by retraining the autoencoder with novel content. In this study we evaluate five different approaches for training the autoencoder during transformation and its impact on populations' quality and diversity during evolution. Our results show that by retraining the autoencoder we can achieve better open-ended complexity compared to a static model, which is further improved when retraining using larger datasets of individuals with diverse complexities.
• Abstract（参考訳）: 本稿では,イノニティのオープンエンドかつ本質的な定義に従ってminecraftビルディングを進化させる手続き的コンテンツ生成手法を提案する。 この目的を達成するために、3次元オートエンコーダを用いて潜伏空間における個人の新規性を評価し、探索と変換の段階を交互に行う。 探索中、システムはCPPN-NEATを通じてCPPNの複数の個体群を進化させ、潜伏空間(現在のオートエンコーダによって定義される)における制約付き新規探索を行う。 補修と制約関数のセットを適用し,進化中の基本的な構造規則や制約に順守することを保証する。 変換中、我々は潜在空間の境界を再構築し、新しいコンテンツでオートエンコーダをトレーニングすることで、解空間の新たな興味深い領域を同定する。 本研究では、トランスフォーメーション中のオートエンコーダのトレーニング方法と、進化中の個体群の品質と多様性に与える影響を5つの異なるアプローチで評価した。 その結果、オートエンコーダをリトレーニングすることで、静的モデルよりもより良いオープンディビジョンの複雑さを実現できることが分かった。

関連論文リスト

• Grammarization-Based Grasping with Deep Multi-Autoencoder Latent Space Exploration by Reinforcement Learning Agent [0.0]
  本稿では,高次元の目標とグリップの特徴を圧縮するアイデアに基づく,ロボットグルーピングのための新しいフレームワークを提案する。 提案手法は,対象とグリップに専用の3つのオートエンコーダと,その潜在表現を融合させる第3のオートエンコーダを用いて,把握を簡略化する。
  論文  参考訳（メタデータ） (2024-11-13T12:26:08Z)
• State-Space Modeling in Long Sequence Processing: A Survey on Recurrence in the Transformer Era [59.279784235147254]
  このサーベイは、シーケンシャルなデータ処理の反復モデルに基づく最新のアプローチの詳細な概要を提供する。 新たなイメージは、標準のバックプロパゲーション・オブ・タイムから外れた学習アルゴリズムによって構成される、新しいルートを考える余地があることを示唆している。
  論文  参考訳（メタデータ） (2024-06-13T12:51:22Z)
• DARLEI: Deep Accelerated Reinforcement Learning with Evolutionary Intelligence [77.78795329701367]
  本稿では,進化アルゴリズムと並列化強化学習を組み合わせたフレームワークであるDARLEIを提案する。 我々はDARLEIの性能を様々な条件で特徴付け、進化形態の多様性に影響を与える要因を明らかにした。 今後DARLEIを拡張して、よりリッチな環境における多様な形態素間の相互作用を取り入れていきたいと考えています。
  論文  参考訳（メタデータ） (2023-12-08T16:51:10Z)
• Complexity Matters: Rethinking the Latent Space for Generative Modeling [65.64763873078114]
  生成的モデリングにおいて、多くの成功したアプローチは、例えば安定拡散のような低次元の潜在空間を利用する。 本研究では, モデル複雑性の観点から潜在空間を再考することにより, 未探索の話題に光を当てることを目的としている。
  論文  参考訳（メタデータ） (2023-07-17T07:12:29Z)
• Towards Large-Scale Simulations of Open-Ended Evolution in Continuous Cellular Automata [0.0]
  並列計算フレームワーク JAX を用いた大規模進化シミュレーションを構築した。 遺伝子操作子を暗黙的に実装するなど、システム設計の選択肢を多数報告する。 オープンエンド進化を促進する要因をいくつか提案する。
  論文  参考訳（メタデータ） (2023-04-12T06:40:11Z)
• CoDEPS: Online Continual Learning for Depth Estimation and Panoptic Segmentation [28.782231314289174]
  深層学習に基づく単眼深度推定とパノプティックセグメンテーションのための連続学習をオンラインで導入する。 そこで本研究では,パノプティカルセグメンテーションに適応する擬似ラベルを生成するための新しいドメイン混合手法を提案する。 我々は,固定サイズのリプレイバッファを構築するためのサンプリング戦略を活用することで,ロボットシステムの限られたストレージ容量に明示的に対処する。
  論文  参考訳（メタデータ） (2023-03-17T17:31:55Z)
• Disentangling Variational Autoencoders [0.0]
  変分オートエンコーダ(VAE)は、高次元データの入力セットを低次元の潜在空間に投影する。 文献から3つの異なるVAEモデルを実装し、6万枚の手書き数字のデータセットでそれらをトレーニングする。 本稿では,復号化画像の品質と遅延空間の歪みレベルとのトレードオフについて検討する。
  論文  参考訳（メタデータ） (2022-11-14T19:22:41Z)
• Spatio-Temporal Representation Factorization for Video-based Person Re-Identification [55.01276167336187]
  本稿では、re-IDのための時空間表現分解モジュール(STRF)を提案する。 STRFはフレキシブルな新しい計算ユニットであり、re-IDのための既存のほとんどの3D畳み込みニューラルネットワークアーキテクチャと併用することができる。 実験により、STRFは様々なベースラインアーキテクチャの性能を向上し、新しい最先端の成果を示す。
  論文  参考訳（メタデータ） (2021-07-25T19:29:37Z)
• Rethinking Architecture Design for Tackling Data Heterogeneity in Federated Learning [53.73083199055093]
  注意に基づくアーキテクチャ(例えばTransformers)は、分散シフトに対してかなり堅牢であることを示す。 我々の実験は、畳み込みネットワークをトランスフォーマーに置き換えることによって、過去のデバイスを壊滅的に忘れることを大幅に減らせることを示した。
  論文  参考訳（メタデータ） (2021-06-10T21:04:18Z)
• Epigenetic evolution of deep convolutional models [81.21462458089142]
  我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。 異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。 提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
  論文  参考訳（メタデータ） (2021-04-12T12:45:16Z)
• Transforming Exploratory Creativity with DeLeNoX [7.446624936653898]
  DeLeNoXは、独自の進化する面白さ基準に従って制約空間にアーティファクトを作成するシステムです。 本論文では、DeLeNoXを2次元アーケード型コンピュータゲームでの使用に適した宇宙船の作成に適用する。
  論文  参考訳（メタデータ） (2021-03-22T10:39:29Z)

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。