論文の概要: Lamarckian Inheritance Improves Robot Evolution in Dynamic Environments
- arxiv url: http://arxiv.org/abs/2403.19545v1
- Date: Thu, 28 Mar 2024 16:27:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-29 15:34:50.611076
- Title: Lamarckian Inheritance Improves Robot Evolution in Dynamic Environments
- Title（参考訳）: ラマルク人の継承は、動的環境におけるロボットの進化を改善する
- Authors: Jie Luo, Karine Miras, Carlo Longhi, Oliver Weissl, Agoston E. Eiben,
- Abstract要約: 本研究では,ラマルク系と進化ロボティクス(ER)の統合について検討する。
ラマルクの原理を採用することで、ロボットは学習した特性を継承し、ダーウィンの学習と並行して、動的環境の適応について検討する。
我々の研究は6つの異なる環境設定で行われ、ラマルク系がダーウィン系よりも適応性と効率性が優れていることを示した。
- 参考スコア（独自算出の注目度）: 2.111420195774799
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study explores the integration of Lamarckian system into evolutionary robotics (ER), comparing it with the traditional Darwinian model across various environments. By adopting Lamarckian principles, where robots inherit learned traits, alongside Darwinian learning without inheritance, we investigate adaptation in dynamic settings. Our research, conducted in six distinct environmental setups, demonstrates that Lamarckian systems outperform Darwinian ones in adaptability and efficiency, particularly in challenging conditions. Our analysis highlights the critical role of the interplay between controller \& morphological evolution and environment adaptation, with parent-offspring similarities and newborn \&survivors before and after learning providing insights into the effectiveness of trait inheritance. Our findings suggest Lamarckian principles could significantly advance autonomous system design, highlighting the potential for more adaptable and robust robotic solutions in complex, real-world applications. These theoretical insights were validated using real physical robots, bridging the gap between simulation and practical application.
- Abstract（参考訳）: 本研究では,ラマルク系を進化ロボット (ER) に統合し,様々な環境における従来のダーウィンモデルと比較する。
ロボットが学習した特性を継承するラマルクの原理と、継承のないダーウィンの学習を併用することにより、動的環境への適応を調査する。
我々の研究は6つの異なる環境設定で行われ、ラマルク系がダーウィン系よりも適応性と効率が優れており、特に挑戦的な条件下では優れていたことを実証している。
本研究は,親子間の親子間の親子間の親子間の相互関係と,親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子関係と親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子間の親子関係の親子関係を,親子間の親子間の
我々の発見は、Lamarckianの原則が自律システム設計を大幅に進歩させ、複雑な現実世界のアプリケーションにおいてより適応的で堅牢なロボティクスソリューションの可能性を強調していることを示唆している。
これらの理論的な洞察は実際の物理ロボットを用いて検証され、シミュレーションと実用化の間のギャップを埋めた。
関連論文リスト
- 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) - 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) - Role of Morphogenetic Competency on Evolution [0.0]
進化計算において、逆関係(進化に関する知性の影響)は、生物レベルの振る舞いの観点からアプローチされる。
我々は、解剖学的形態空間をナビゲートするシステムの最小限のモデルの知性に焦点を当てる。
我々はシリコの標準遺伝アルゴリズムを用いて人工胚の個体群を進化させた。
論文 参考訳（メタデータ） (2023-10-13T11:58:18Z) - 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) - The Effect of Epigenetic Blocking on Dynamic Multi-Objective
Optimisation Problems [1.4502611532302039]
エピジェネティックなメカニズムは、環境変化に素早く非あるいは部分的に適応できる。
本稿では、自然界におけるエピジェネティック継承の利点が、動的多目的問題において複製されるかどうかを問う。
論文 参考訳（メタデータ） (2022-11-25T16:33:05Z) - 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) - Heritability in Morphological Robot Evolution [2.7402733069181]
遺伝性の生物学的概念を導入し,遺伝子型変異による表現型変異の量を把握する。
解析では,2つの異なるエンコーディングから進化した第1世代のロボットの遺伝性を測定した。
遺伝性は遺伝子型と表現型との関係をよりよく理解するための有用なツールであることを示す。
論文 参考訳（メタデータ） (2021-10-21T14:58:17Z) - Epigenetic opportunities for Evolutionary Computation [0.0]
進化計算(Evolutionary Computation)は、複雑な最適化問題を解くために用いられる生物学的にインスパイアされたアルゴリズムのグループである。
遺伝的遺伝からインスピレーションを得る進化的アルゴリズムと、文化的遺伝からインスピレーションを得るSwarm Intelligenceアルゴリズムに分けることができる。
本稿では, 進化的拡張合成に基づく生物学的枠組みの下で, バイオインスパイアされたアルゴリズムを成功裏に分解する。
論文 参考訳（メタデータ） (2021-08-10T09:44:53Z) - 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) - Emergent Hand Morphology and Control from Optimizing Robust Grasps of
Diverse Objects [63.89096733478149]
多様な物体をつかむために、効果的なハンドデザインが自然に現れるデータ駆動型アプローチを紹介します。
形態と把持スキルを共同で効率的に設計するベイズ最適化アルゴリズムを開発した。
我々は,新しい物体をつかむための堅牢で費用効率のよい手形態を発見するためのアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2020-12-22T17:52:29Z) - RoboTHOR: An Open Simulation-to-Real Embodied AI Platform [56.50243383294621]
インタラクティブで具体化された視覚AIの研究を民主化するためにRoboTHORを導入する。
シミュレーションで訓練されたモデルの性能は,シミュレーションと慎重に構築された物理アナログの両方で試験される場合,大きな差があることが示される。
論文 参考訳（メタデータ） (2020-04-14T20:52:49Z)
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。