論文の概要: Exploring Behavior Discovery Methods for Heterogeneous Swarms of Limited-Capability Robots

• arxiv url: http://arxiv.org/abs/2310.16941v1
• Date: Wed, 25 Oct 2023 19:20:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-27 23:46:40.002172
• Title: Exploring Behavior Discovery Methods for Heterogeneous Swarms of Limited-Capability Robots
• Title（参考訳）: 機能限定ロボットの不均質群に対する行動探索法の検討
• Authors: Connor Mattson, Jeremy C. Clark, and Daniel S. Brown
• Abstract要約: 本研究では,ロボット群が機能的に異質である場合の創発行動を決定する問題について検討する。 我々の知る限りでは、これらは計算自由エージェントの異種群に対する最初の創発的行動である。
• 参考スコア（独自算出の注目度）: 9.525230669966415
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the problem of determining the emergent behaviors that are possible given a functionally heterogeneous swarm of robots with limited capabilities. Prior work has considered behavior search for homogeneous swarms and proposed the use of novelty search over either a hand-specified or learned behavior space followed by clustering to return a taxonomy of emergent behaviors to the user. In this paper, we seek to better understand the role of novelty search and the efficacy of using clustering to discover novel emergent behaviors. Through a large set of experiments and ablations, we analyze the effect of representations, evolutionary search, and various clustering methods in the search for novel behaviors in a heterogeneous swarm. Our results indicate that prior methods fail to discover many interesting behaviors and that an iterative human-in-the-loop discovery process discovers more behaviors than random search, swarm chemistry, and automated behavior discovery. The combined discoveries of our experiments uncover 23 emergent behaviors, 18 of which are novel discoveries. To the best of our knowledge, these are the first known emergent behaviors for heterogeneous swarms of computation-free agents. Videos, code, and appendix are available at the project website: https://sites.google.com/view/heterogeneous-bd-methods
• Abstract（参考訳）: ロボットの能力に乏しい機能的不均質な群れが与えられた場合の創発的行動を決定する問題について検討する。 先行研究では、同質なスワムの行動探索を検討し、手特定された行動空間または学習された行動空間上での新規性探索の使用を提案し、その後クラスタ化を行い、創発的な行動の分類をユーザに返す。 本稿では,新規探索の役割と,クラスターを用いた創発的行動発見の有効性についてより深く理解することを目的とした。 多数の実験とアブレーションを通じて,不均一群における新たな行動探索における表現,進化探索,および様々なクラスタリング手法の効果を解析した。 以上の結果から, 先行手法では多くの興味深い行動が発見できず, 反復的発見プロセスではランダム探索, 群化学, 自動行動発見よりも多くの行動が発見できることが示唆された。 実験の結果,23の創発的行動が明らかとなり,そのうち18の新たな発見が得られた。 我々の知る限りでは、これらは計算不要エージェントの異種群に対する最初の既知の創発的行動である。 ビデオ、コード、付録はプロジェクトのWebサイト(https://sites.google.com/view/heterogeneous-bd-methods)で入手できる。

関連論文リスト

• Life, uh, Finds a Way: Systematic Neural Search [2.163881720692685]
  エージェントの動作に迅速に適応して、設定における継続的な問題を解決するという課題に取り組みます。 深層強化学習に焦点をあてる代わりに,探索手順の物理的表現としての視聴行動を提案する。 本稿では,行動実行とグラフの突然変異の間の厳密なフィードバックループを調節することにより,行動の暗黙的な列挙を行うアルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2024-10-02T09:06:54Z)
• Cognitive Evolutionary Learning to Select Feature Interactions for Recommender Systems [59.117526206317116]
  Cellはさまざまなタスクやデータに対して,さまざまなモデルに適応的に進化可能であることを示す。 4つの実世界のデータセットの実験では、細胞は最先端のベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2024-05-29T02:35:23Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Representation Surgery: Theory and Practice of Affine Steering [72.61363182652853]
  言語モデルは、しばしば好ましくない振る舞いを示す。 モデルが望ましくない振る舞いを示すのを防ぐための自然な(そして一般的な)アプローチの1つは、モデルの表現を操ることである。 本稿では, ステアリング機能の形式的および経験的特性について検討する。
  論文  参考訳（メタデータ） (2024-02-15T00:20:30Z)
• Generative Models as a Complex Systems Science: How can we make sense of large language model behavior? [75.79305790453654]
  事前訓練されたモデルから望ましい振る舞いを排除し、望ましくないモデルを避けながら、NLPを再定義した。 言語モデルの振る舞いをタスク間性能を説明するカテゴリに分解する体系的な取り組みについて論じる。
  論文  参考訳（メタデータ） (2023-07-31T22:58:41Z)
• Leveraging Human Feedback to Evolve and Discover Novel Emergent Behaviors in Robot Swarms [14.404339094377319]
  我々は、人間の入力を活用して、特定のマルチエージェントシステムから現れる可能性のある集団行動の分類を自動で発見することを目指している。 提案手法は,Swarm集団行動に対する類似性空間を学習することにより,ユーザの嗜好に適応する。 我々は,2つのロボット能力モデルを用いたシミュレーションにおいて,本手法が従来よりも豊かな創発的行動の集合を常に発見できることを検証した。
  論文  参考訳（メタデータ） (2023-04-25T15:18:06Z)
• Novel Class Discovery without Forgetting [72.52222295216062]
  我々は NCDwF: Novel Class Discovery without Forgetting の新たな実用的問題設定を特定し,定式化する。 ラベルのないデータから新しいカテゴリのインスタンスを段階的に発見する機械学習モデルを提案する。 CIFAR-10, CIFAR-100, ImageNet-1000に基づく実験プロトコルを導入し, 知識保持と新しいクラス発見のトレードオフを測定する。
  論文  参考訳（メタデータ） (2022-07-21T17:54:36Z)
• Learning Complex Spatial Behaviours in ABM: An Experimental Observational Study [0.0]
  本稿では,創発的エージェント行動の生成にReinforcement Learningを適用する方法について検討する。 一連のシミュレーションを行ない, エージェントが実世界の知的適応行動の特性を示す方法として, プロクサマルポリシー最適化アルゴリズムを用いて訓練されたことを実証した。
  論文  参考訳（メタデータ） (2022-01-04T11:56:11Z)
• Behavioral Experiments for Understanding Catastrophic Forgetting [9.679643351149215]
  実験心理学の手法をニューラルネットワークにおける破滅的忘れの研究に適用する。 本稿では,2層ReLUネットワークを用いた一連の制御実験を行い,破滅的忘れの挙動の新たな理解を明らかにする。
  論文  参考訳（メタデータ） (2021-10-20T14:00:02Z)
• ACRE: Abstract Causal REasoning Beyond Covariation [90.99059920286484]
  因果誘導における現在の視覚システムの系統的評価のための抽象因果分析データセットについて紹介する。 Blicket実験における因果発見の研究の流れに触発され、独立シナリオと介入シナリオのいずれにおいても、以下の4種類の質問で視覚的推論システムに問い合わせる。 純粋なニューラルモデルは確率レベルのパフォーマンスの下で連想戦略に向かう傾向があるのに対し、ニューロシンボリックな組み合わせは後方ブロッキングの推論に苦しむ。
  論文  参考訳（メタデータ） (2021-03-26T02:42:38Z)
• A primer on model-guided exploration of fitness landscapes for biological sequence design [0.0]
  このプライマーでは、「探索戦略」と呼ばれる実験設計のためのアルゴリズムが、シーケンス・トゥ・ファンクション・マップの優れたモデルを構築することとは、関連するが別の問題である点を強調している。 このプライマーは、モデルでシーケンス空間を探索する問題に興味を持つ異なる領域の研究者の出発点として機能する。
  論文  参考訳（メタデータ） (2020-10-04T21:32:07Z)

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。