論文の概要: JaxLife: An Open-Ended Agentic Simulator

• arxiv url: http://arxiv.org/abs/2409.00853v1
• Date: Sun, 1 Sep 2024 22:05:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 08:40:50.669598
• Title: JaxLife: An Open-Ended Agentic Simulator
• Title（参考訳）: JaxLife: オープンなエージェントシミュレータ
• Authors: Chris Lu, Michael Beukman, Michael Matthews, Jakob Foerster,
• Abstract要約: 我々は、深層ニューラルネットワークによってパラメータ化されたエンボディエージェントが生き残ることを学ばなければならない人工生命シミュレータJaxLifeを提示する。 まず、環境を記述し、有意義なチューリング完全計算を実現できることを示す。 次に、初歩的なコミュニケーションプロトコル、農業、ツール利用など、進化した創発的エージェントの行動を分析する。
• 参考スコア（独自算出の注目度）: 3.479490713357225
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human intelligence emerged through the process of natural selection and evolution on Earth. We investigate what it would take to re-create this process in silico. While past work has often focused on low-level processes (such as simulating physics or chemistry), we instead take a more targeted approach, aiming to evolve agents that can accumulate open-ended culture and technologies across generations. Towards this, we present JaxLife: an artificial life simulator in which embodied agents, parameterized by deep neural networks, must learn to survive in an expressive world containing programmable systems. First, we describe the environment and show that it can facilitate meaningful Turing-complete computation. We then analyze the evolved emergent agents' behavior, such as rudimentary communication protocols, agriculture, and tool use. Finally, we investigate how complexity scales with the amount of compute used. We believe JaxLife takes a step towards studying evolved behavior in more open-ended simulations. Our code is available at https://github.com/luchris429/JaxLife
• Abstract（参考訳）: 人類の知性は地球上の自然選択と進化の過程を通して現れた。 このプロセスをシリコで再現するにはどうすればいいのか検討する。 過去の研究は、しばしば低レベルのプロセス(物理や化学をシミュレートするなど)に焦点を当ててきたが、私たちは代わりによりターゲットを絞ったアプローチを取り、何世代にもわたってオープンな文化や技術を蓄積できるエージェントを進化させることを目指しています。 そこで我々は,深層ニューラルネットワークによってパラメータ化されたエンボディエージェントが,プログラム可能なシステムを含む表現力のある世界で生き残ることを学ばなければならない,人工生命シミュレータJaxLifeを提案する。 まず、環境を記述し、有意義なチューリング完全計算を実現できることを示す。 次に、初歩的なコミュニケーションプロトコル、農業、ツール利用など、進化した創発的エージェントの行動を分析する。 最後に,計算量による複雑性のスケールアップについて検討する。 JaxLifeは、よりオープンなシミュレーションで進化した振る舞いを研究するための一歩を踏み出したと信じています。 私たちのコードはhttps://github.com/luchris429/JaxLifeで利用可能です。

関連論文リスト

• TRANSIC: Sim-to-Real Policy Transfer by Learning from Online Correction [25.36756787147331]
  シミュレーションの学習と実世界への学習は、ジェネラリストロボットを可能にする可能性がある。 そこで本研究では,Human-in-the-loopフレームワークをベースとしたSIM-to-real転送を実現するためのデータ駆動型手法を提案する。 本手法は,家具組立などの複雑かつ接触に富んだ操作作業において,シミュレートから現実への伝達を成功させることができることを示す。
  論文  参考訳（メタデータ） (2024-05-16T17:59:07Z)
• 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)
• Humanoid Agents: Platform for Simulating Human-like Generative Agents [3.259634592022173]
  本稿では,システム1処理の3つの要素を導入することで,生成エージェントを人間のように振る舞うように誘導するシステムを提案する。 ヒューマノイドエージェントは、これらのダイナミック要素を使用して、他のエージェントとの日々の会話に適応することができる。 本システムは,人間の行動に影響を及ぼす他の要素と同様に,様々な環境下での分析を行うように設計されている。
  論文  参考訳（メタデータ） (2023-10-09T05:30:42Z)
• 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)
• DeXtreme: Transfer of Agile In-hand Manipulation from Simulation to Reality [64.51295032956118]
  我々は人型ロボットの手で頑健な操作を行える政策を訓練する。 本研究は,各種ハードウェアおよびシミュレータのデクスタラス操作におけるsim-to-real転送の可能性を再確認する。
  論文  参考訳（メタデータ） (2022-10-25T01:51:36Z)
• 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)
• Evaluating Continual Learning Algorithms by Generating 3D Virtual Environments [66.83839051693695]
  連続学習とは、人間や動物が特定の環境で徐々に学習する能力である。 本稿では3次元仮想環境の最近の進歩を活用して,フォトリアリスティックな外観を持つ潜在的に長寿命な動的シーンの自動生成にアプローチすることを提案する。 本論文の新たな要素は、シーンがパラメトリックな方法で記述され、エージェントが知覚する入力ストリームの視覚的複雑さを完全に制御できることである。
  論文  参考訳（メタデータ） (2021-09-16T10:37:21Z)
• Learning What To Do by Simulating the Past [76.86449554580291]
  学習した特徴エンコーダと学習した逆モデルを組み合わせることで、エージェントが人間の行動を後方にシミュレートして、彼らがすべきことを推測できることを示す。 得られたアルゴリズムは、そのスキルに最適なポリシーから抽出された単一の状態を与えられたMuJoCo環境で特定のスキルを再現することができる。
  論文  参考訳（メタデータ） (2021-04-08T17:43:29Z)
• Reactive Long Horizon Task Execution via Visual Skill and Precondition Models [59.76233967614774]
  シミュレーションで学習したモデルを用いて、単純なタスクプランナの構成要素をグラウンド化することで、見知らぬロボットタスクを達成できるシミュレート・トゥ・リアル・トレーニングのアプローチについて述べる。 シミュレーションでは91.6%から98%,実世界の成功率は10%から80%に増加した。
  論文  参考訳（メタデータ） (2020-11-17T15:24:01Z)
• A Framework for Learning Predator-prey Agents from Simulation to Real World [0.0]
  本研究では,シミュレーションから実世界への展開が可能な進化型捕食ロボットシステムを提案する。 捕食者と獲物は共に、期待される行動を学ぶために、NeuroEvolution of Augmenting Topologies (NEAT)によって進化する。 ユーザの利便性のために、シミュレートされた実世界のソースコードとビデオがGithubで公開されている。
  論文  参考訳（メタデータ） (2020-10-29T17:33:38Z)
• Mimicking Evolution with Reinforcement Learning [10.35437633064506]
  人工的な人間のような知性を発達させる道は、自然のシミュレーションで進化の過程を模倣することでもたらされると我々は主張する。 この研究は、進化的リワード(EvER)を通じて進化的リワード(Evolutionary Reward)を提案する。
  論文  参考訳（メタデータ） (2020-03-31T18:16:53Z)

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。