論文の概要: Cooperative control of environmental extremes by artificial intelligent agents

• arxiv url: http://arxiv.org/abs/2212.02395v1
• Date: Mon, 5 Dec 2022 16:19:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-06 18:28:33.648936
• Title: Cooperative control of environmental extremes by artificial intelligent agents
• Title（参考訳）: 人工知的エージェントによる環境極端の協調制御
• Authors: Mart\'i S\'anchez-Fibla, Cl\'ement Moulin-Frier and Ricard Sol\'e
• Abstract要約: 本稿では, 火を外部, バースト, 広ゆらぎの源として利用することにより, この問題に対処する方法を示す。 火災は、一群のエージェントが木を収穫して利用し、火の拡散による損傷を回避した空間的な景観に伝播する。 このシステムは、大規模な火災の抑制とともに、高いバイオマスを好む生態工学戦略に終わる2つの大きな進化的革新を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Humans have been able to tackle biosphere complexities by acting as ecosystem engineers, profoundly changing the flows of matter, energy and information. This includes major innovations that allowed to reduce and control the impact of extreme events. Modelling the evolution of such adaptive dynamics can be challenging given the potentially large number of individual and environmental variables involved. This paper shows how to address this problem by using fire as the source of external, bursting and wide fluctuations. Fire propagates on a spatial landscape where a group of agents harvest and exploit trees while avoiding the damaging effects of fire spreading. The agents need to solve a conflict to reach a group-level optimal state: while tree harvesting reduces the propagation of fires, it also reduces the availability of resources provided by trees. It is shown that the system displays two major evolutionary innovations that end up in an ecological engineering strategy that favours high biomass along with the suppression of large fires. The implications for potential A.I. management of complex ecosystems are discussed.
• Abstract（参考訳）: 人間は生物圏の複雑さに取り組み、生態系のエンジニアとして働き、物質、エネルギー、情報の流れを大きく変えてきた。 これには、極端な出来事の影響を減らし、制御できる大きなイノベーションが含まれている。 このような適応力学の進化のモデル化は、潜在的に多くの個人変数や環境変数が関与しているため、困難である。 本稿では,火を外的・破裂的・広い変動源として用いることにより,この問題に対処する方法を示す。 火災は、火災が広がる影響を避けながら、エージェントのグループが木を収穫し、搾取する空間的な風景に伝播する。 森林伐採は火災の伝播を減少させるが、樹木が供給する資源の可利用性も低下させる。 このシステムには2つの大きな進化的革新があり、大きな火災の抑制とともに高いバイオマスを優先する生態工学的戦略が導かれることが示されている。 複雑な生態系のA.I.管理の可能性について論じる。

関連論文リスト

• Dynamic Collaborative Multi-Agent Reinforcement Learning Communication for Autonomous Drone Reforestation [0.0]
  我々は,協調型マルチエージェント強化学習(MARL)による自律型ドローンによる森林再生にアプローチする。 エージェントは動的に変化するネットワークの一部として通信することができる。 その結果、コミュニケーションが協調し、集団的パフォーマンスを高め、正確さを植え付け、個々のエージェントのリスクテイク性を高めるかが示される。
  論文  参考訳（メタデータ） (2022-11-14T13:25:22Z)
• Climate Change Policy Exploration using Reinforcement Learning [0.0]
  複雑度が異なる4つの強化学習エージェントを用いて、環境をさまざまな方法で探索する。 我々は、惑星境界に基づく報酬関数を使用し、エージェントに幅広い戦略を見つけるよう強制するために修正する。
  論文  参考訳（メタデータ） (2022-10-23T18:20:17Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• Improving adaptability to new environments and removing catastrophic forgetting in Reinforcement Learning by using an eco-system of agents [3.5786621294068373]
  強化学習(RL)エージェントを目に見えない環境に適応させることは、トレーニング環境に典型的な過度な適合のために難しい課題である。 破滅的な忘れ込みの危険性があり、これまで見られた環境のパフォーマンスが著しく妨げられている。 本稿では,エージェントのエコシステムを利用して双方の懸念に対処する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-04-13T17:52:54Z)
• Climate Change & Computer Audition: A Call to Action and Overview on Audio Intelligence to Help Save the Planet [98.97255654573662]
  この研究は、オーディオインテリジェンスが気候に関わる課題を克服するために貢献できる領域の概要を提供する。 我々は、地球、水、空気、火、エーテルの5つの要素に従って、潜在的なコンピュータオーディションの応用を分類する。
  論文  参考訳（メタデータ） (2022-03-10T13:32:31Z)
• Information is Power: Intrinsic Control via Information Capture [110.3143711650806]
  我々は,潜時状態空間モデルを用いて推定したエージェントの状態訪問のエントロピーを最小化する,コンパクトで汎用的な学習目的を論じる。 この目的は、不確実性の低減に対応する環境情報収集と、将来の世界状態の予測不可能性の低減に対応する環境制御の両方をエージェントに誘導する。
  論文  参考訳（メタデータ） (2021-12-07T18:50:42Z)
• A hybrid convolutional neural network/active contour approach to segmenting dead trees in aerial imagery [0.5276232626689566]
  枯木は森林全体の健康の指標であり、森林生態系の3分の1の生物多様性を収容し、世界の炭素在庫の8%を構成している。 本稿では,既存の畳み込みニューラルネットワークと新しいアクティブな輪郭モデルを組み合わせたエネルギー最小化フレームワークを用いて,空中写真から死んだ木の正確な形状輪郭を構築する手法を提案する。
  論文  参考訳（メタデータ） (2021-12-06T00:53:51Z)
• Many-body localization and the emergence of quantum darwinism [0.0]
  本研究では,QDの出現に障害が及ぼす影響について検討し,高度に混乱した環境がそれにとって非常に有益であることが確認された。 客観性を定量化するために冗長性の欠如の概念を導入することで、環境固有状態の絡み合いエントロピー(EE)と類似して振舞うことを示す。
  論文  参考訳（メタデータ） (2021-09-04T19:42:48Z)
• Emergent Complexity and Zero-shot Transfer via Unsupervised Environment Design [121.73425076217471]
  本研究では,未知のパラメータを持つ環境を提供するUnsupervised Environment Design (UED)を提案する。 プロタゴニスト・アンタゴニストによるレグレト環境デザイン(PAIRED)と呼ぶ。 実験により, PAIREDは複雑な環境の自然なカリキュラムを生産し, PAIREDエージェントは, 高度に新規な環境での試験において, 高いゼロショット転送性能が得られることを示した。
  論文  参考訳（メタデータ） (2020-12-03T17:37:01Z)
• A game-theoretic analysis of networked system control for common-pool resource management using multi-agent reinforcement learning [54.55119659523629]
  マルチエージェント強化学習は近年,ネットワーク型システム制御へのアプローチとして大きな可能性を秘めている。 共通プールの資源は耕作可能な土地、淡水、湿地、野生生物、魚類資源、森林、大気である。
  論文  参考訳（メタデータ） (2020-10-15T14:12:26Z)
• Ecological Reinforcement Learning [76.9893572776141]
  このような条件下での学習を容易にする環境特性について検討する。 環境の特性が強化学習エージェントのパフォーマンスにどのように影響するかを理解することは、学習を魅力的にする方法でタスクを構造化するのに役立ちます。
  論文  参考訳（メタデータ） (2020-06-22T17:55:03Z)

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。