論文の概要: Eco-evolutionary Dynamics of Non-episodic Neuroevolution in Large
Multi-agent Environments
- arxiv url: http://arxiv.org/abs/2302.09334v3
- Date: Fri, 4 Aug 2023 12:08:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-07 16:09:10.659503
- Title: Eco-evolutionary Dynamics of Non-episodic Neuroevolution in Large
Multi-agent Environments
- Title（参考訳）: 大規模マルチエージェント環境における非随伴性神経進化の生態進化ダイナミクス
- Authors: Gautier Hamon and Eleni Nisioti and Cl\'ement Moulin-Frier
- Abstract要約: 環境や人口のリセットを伴わない適応剤を連続的に進化させる手法を提案する。
NEはエポジカルに非エポジカルなマルチエージェント環境で動作し,持続的な集団採餌戦略を見いだせることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Neuroevolution (NE) has recently proven a competitive alternative to learning
by gradient descent in reinforcement learning tasks. However, the majority of
NE methods and associated simulation environments differ crucially from
biological evolution: the environment is reset to initial conditions at the end
of each generation, whereas natural environments are continuously modified by
their inhabitants; agents reproduce based on their ability to maximize rewards
within a population, while biological organisms reproduce and die based on
internal physiological variables that depend on their resource consumption;
simulation environments are primarily single-agent while the biological world
is inherently multi-agent and evolves alongside the population. In this work we
present a method for continuously evolving adaptive agents without any
environment or population reset. The environment is a large grid world with
complex spatiotemporal resource generation, containing many agents that are
each controlled by an evolvable recurrent neural network and locally reproduce
based on their internal physiology. The entire system is implemented in JAX,
allowing very fast simulation on a GPU. We show that NE can operate in an
ecologically-valid non-episodic multi-agent setting, finding sustainable
collective foraging strategies in the presence of a complex interplay between
ecological and evolutionary dynamics.
- Abstract（参考訳）: neuroevolution (ne) は強化学習タスクにおける勾配降下による学習の競争的代替手段であることが最近証明された。
However, the majority of NE methods and associated simulation environments differ crucially from biological evolution: the environment is reset to initial conditions at the end of each generation, whereas natural environments are continuously modified by their inhabitants; agents reproduce based on their ability to maximize rewards within a population, while biological organisms reproduce and die based on internal physiological variables that depend on their resource consumption; simulation environments are primarily single-agent while the biological world is inherently multi-agent and evolves alongside the population.
本研究では,環境や人口のリセットを伴わない適応剤を継続的に進化させる手法を提案する。
環境は複雑な時空間資源の生成を伴う大きなグリッドの世界であり、進化可能なリカレントニューラルネットワークによって制御され、その内部生理に基づいて局所的に再生される多くのエージェントを含んでいる。
システム全体がjaxで実装されており、gpu上で非常に高速にシミュレーションできる。
NEは、生態学的に有意な非エポゾディックなマルチエージェント環境で動作できることを示し、生態学と進化学の複雑な相互作用の存在下で持続的な集団捕食戦略を見出した。
関連論文リスト
- Meta Flow Matching: Integrating Vector Fields on the Wasserstein Manifold [83.18058549195855]
自然科学における複数の過程は、確率密度のワッサーシュタイン多様体上のベクトル場として表さなければならない。
特に、疾患の発生とその治療反応が患者固有の細胞の微小環境に依存するパーソナライズド医療において重要である。
本稿では,これらのベクトル場をワッサーシュタイン多様体上で積分するメタフローマッチング(Meta Flow Matching, MFM)を提案する。
論文 参考訳（メタデータ） (2024-08-26T20:05:31Z) - Agent Alignment in Evolving Social Norms [65.45423591744434]
本稿では,エージェント進化とアライメントのための進化的フレームワークであるEvolutionaryAgentを提案する。
社会規範が継続的に進化する環境では、エージェントは現在の社会規範に適応し、生存と増殖の確率が高くなる。
進化的エージェントは、一般的なタスクにおいてその能力を維持しながら、進化する社会規範と徐々に整合できることを示す。
論文 参考訳（メタデータ） (2024-01-09T15:44:44Z) - 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) - Dynamics of niche construction in adaptable populations evolving in
diverse environments [0.0]
ニッチ・コンストラクション(ニッチ・コンストラクション、NC)は、個人が環境を継承できる自然選択の相互プロセスである。
我々は, 可塑性, 伸縮性, ニッチ構築行動を進化させる多種多様なニッチと集団からなるシミュレーション環境において, NCについて検討した。
本研究は,NC研究のシミュレーション環境を複雑化し,多種多様なニッチを考慮し,その力学を理解するために重要であることを示唆する。
論文 参考訳（メタデータ） (2023-05-16T11:52:14Z) - Using Genetic Algorithms to Simulate Evolution [0.0]
将来的な変化を予測するだけでなく,遺伝的アルゴリズムによるプロセスのシミュレートも可能です。
遺伝的アルゴリズムを環境に保持するように最適化することにより、速度、サイズ、クローニング確率などの様々な特性を割り当てることができる。
種がどのように成長し進化するかを学ぶことで、私たちはテクノロジーを改良し、動物が絶滅して生き残るのを助ける方法を見つけ、病気がいかに広がるかを理解することができます。
論文 参考訳（メタデータ） (2022-09-14T00:23:06Z) - Towards the Neuroevolution of Low-level Artificial General Intelligence [5.2611228017034435]
我々は、AI(Artificial General Intelligence, AGI)の検索は、人間レベルの知能よりもはるかに低いレベルから始まるべきだと論じる。
我々の仮説は、エージェントが環境の中で行動するとき、学習は感覚フィードバックによって起こるというものである。
環境反応から学習する生物学的にインスパイアされた人工ニューラルネットワークを進化させる手法を評価する。
論文 参考訳（メタデータ） (2022-07-27T15:30:50Z) - 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) - Continuous Learning and Adaptation with Membrane Potential and
Activation Threshold Homeostasis [91.3755431537592]
本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。
このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。
実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
論文 参考訳（メタデータ） (2021-04-22T04:01:32Z) - Co-optimising Robot Morphology and Controller in a Simulated Open-Ended
Environment [1.4502611532302039]
エージェントがロコホートする環境の変化が形態の収束にどのように影響するかを示す。
オープンエンド進化環境において進化するエージェント集団は,手作り環境において進化するエージェント集団よりも大きな形態的多様性を示すことを示す。
論文 参考訳（メタデータ） (2021-04-07T11:28:23Z) - 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。