論文の概要: Controller Distillation Reduces Fragile Brain-Body Co-Adaptation and Enables Migrations in MAP-Elites

• arxiv url: http://arxiv.org/abs/2504.06523v1
• Date: Wed, 09 Apr 2025 01:45:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-10 13:07:46.900222
• Title: Controller Distillation Reduces Fragile Brain-Body Co-Adaptation and Enables Migrations in MAP-Elites
• Title（参考訳）: コントローラ蒸留による軽度脳-体共適応の低減とMAP-Elitesのマイグレーションの実現
• Authors: Alican Mertan, Nick Cheney,
• Abstract要約: MAP-Elitesの中核となるメカニズムは、あるニッチから別のニッチへ移行するソリューションを通じて、ステップストーンを生成することで破壊されていることを示す。 我々は、ある解のコントローラを、モルフォロジーをまたいだより良い一般化を伴う蒸留されたコントローラに周期的に置き換える、Polinationと呼ばれる手法を利用する。
• 参考スコア（独自算出の注目度）: 0.24554686192257422
• License:
• Abstract: Brain-body co-optimization suffers from fragile co-adaptation where brains become over-specialized for particular bodies, hindering their ability to transfer well to others. Evolutionary algorithms tend to discard such low-performing solutions, eliminating promising morphologies. Previous work considered applying MAP-Elites, where niche descriptors are based on morphological features, to promote better search over morphology space. In this work, we show that this approach still suffers from fragile co-adaptation: where a core mechanism of MAP-Elites, creating stepping stones through solutions that migrate from one niche to another, is disrupted. We suggest that this disruption occurs because the body mutations that move an offspring to a new morphological niche break the robots' fragile brain-body co-adaptation and thus significantly decrease the performance of those potential solutions -- reducing their likelihood of outcompeting an existing elite in that new niche. We utilize a technique, we call Pollination, that periodically replaces the controllers of certain solutions with a distilled controller with better generalization across morphologies to reduce fragile brain-body co-adaptation and thus promote MAP-Elites migrations. Pollination increases the success of body mutations and the number of migrations, resulting in better quality-diversity metrics. We believe we develop important insights that could apply to other domains where MAP-Elites is used.
• Abstract（参考訳）: 脳-体共最適化は、脳が特定の身体に対して過度に特殊化される脆弱な共適応に悩まされ、他人にうまく伝達する能力を妨げる。 進化的アルゴリズムはそのような低い性能の解を捨て、有望な形態をなくす傾向がある。 以前は、形態的特徴に基づくニッチな記述子を用いたMAP-Elitesの適用が検討され、形態的空間に対するより良い探索が促進された。 MAP-Elitesの中核となるメカニズムは、あるニッチから別のニッチへ移行するソリューションを通じて、ステップストーンを発生させ、破壊される。 この破壊は、子孫を新しい形態的ニッチに移す身体の突然変異が、ロボットの脆弱な脳と体の共適応を破り、潜在的なソリューションの性能を著しく低下させることで、既存のエリートをその新しいニッチに圧倒する可能性を減らすことを示唆している。 私たちはPolinationと呼ばれる手法を利用して、ある溶液のコントローラを蒸留したコントローラに定期的に置き換え、モルフォロジーをまたいだより良い一般化を行い、脆弱な脳のコ適応を減らし、MAP-Elitesマイグレーションを促進する。 汚染は身体の突然変異の成功と移行の数を増加させ、結果として品質と多様性の指標が向上する。 我々はMAP-Elitesが使われる他の領域に適用可能な重要な洞察を開拓していると信じている。

関連論文リスト

• A Simple yet Effective DDG Predictor is An Unsupervised Antibody Optimizer and Explainer [53.85265022754878]
  高速な突然変異スクリーニングのための軽量DDG予測器(Light-DDG)を提案する。 また、Light-DDGを事前学習するための数百万の突然変異データを含む大規模データセットもリリースした。 対象抗体について,変異選好を学習するための新しい変異説明器を提案する。
  論文  参考訳（メタデータ） (2025-02-10T09:26:57Z)
• Self-Healing Machine Learning: A Framework for Autonomous Adaptation in Real-World Environments [50.310636905746975]
  実世界の機械学習システムは、基礎となるデータ生成プロセスの分散シフトによって、モデルの性能劣化に遭遇することが多い。 概念のドリフト適応のような既存のシフトへのアプローチは、その理性に依存しない性質によって制限される。 我々はこれらの制限を克服するために自己修復機械学習(SHML)を提案する。
  論文  参考訳（メタデータ） (2024-10-31T20:05:51Z)
• EMN: Brain-inspired Elastic Memory Network for Quick Domain Adaptive Feature Mapping [57.197694698750404]
  本稿では,特徴と予測のマッピングを高速に微調整するための,勾配のない新しいElastic Memory Networkを提案する。 EMNはランダムに結合したニューロンを用いて特徴とラベルの関連を記憶し、ネットワーク内のシグナルはインパルスとして伝播する。 EMNは、従来のドメイン適応手法の1%以下のタイミングコストしか必要とせず、最大10%の性能向上を達成することができる。
  論文  参考訳（メタデータ） (2024-02-04T09:58:17Z)
• Bayesian longitudinal tensor response regression for modeling neuroplasticity [0.0]
  縦断的神経画像研究における主要な関心は、訪問中の治療やその他の要因によるボクセルレベルの神経可塑性の研究である。 本研究では,空間分散ボクセル間で情報をプールする縦画像データに対する新しいベイズテンソル応答回帰手法を提案する。 提案手法は, 個別レベルの神経可塑性を推定し, パーソナライズされた疾患や回復軌道の検査を可能にする。
  論文  参考訳（メタデータ） (2023-09-12T18:48:18Z)
• Phylogeny-informed fitness estimation [58.720142291102135]
  本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。 以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。 この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
  論文  参考訳（メタデータ） (2023-06-06T19:05:01Z)
• Selection for short-term empowerment accelerates the evolution of homeostatic neural cellular automata [0.0]
  本研究は, ホメオスタティックNCAの発見を促進するための補助的目的として, エンハンスメントの作用する時間スケールが有効性に与える影響を考察する。 ホメオスタシスのみの進化的選択と比較して,より長い遅延時間でエンパワーメントが大幅に改善されることが示唆された。 短期的なNCAはより安定しており, ホームスタティックな課題を克服する上で, より優れた一般化が期待できる。
  論文  参考訳（メタデータ） (2023-05-24T15:01:30Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• Effective Mutation Rate Adaptation through Group Elite Selection [50.88204196504888]
  本稿では,GESMR(Group Elite Selection of Mutation Rates)アルゴリズムを提案する。 GESMRは解の集団とMRの集団を共進化させ、各MRは解群に割り当てられる。 同じ数の関数評価とオーバーヘッドのほとんどないGESMRは、以前のアプローチよりも早く、より良いソリューションに収束する。
  論文  参考訳（メタデータ） (2022-04-11T01:08:26Z)
• On the use of feature-maps and parameter control for improved quality-diversity meta-evolution [1.0152838128195467]
  QD(Quality-Diversity)アルゴリズムは、挙動的に多様なハイパフォーマンスソリューションのアーカイブを進化させる。 QDアルゴリズムの個体群を進化させ、アーカイブレベルの目的、メタ適合性に基づいて行動空間を最適化する。 非線形および特徴選択のフィーチャーマップは、メタフィット性において15倍、3倍の改善をもたらす。
  論文  参考訳（メタデータ） (2021-05-21T12:43:27Z)
• Is a quantum biosensing revolution approaching? [0.0]
  我々は,NVセンタの適用に関する新たな結果について分析する。 これらの量子センサーが完全な潜在能力に到達するのを阻止する主な課題について論じる。
  論文  参考訳（メタデータ） (2020-06-01T10:19:38Z)
• Towards Efficient Processing and Learning with Spikes: New Approaches for Multi-Spike Learning [59.249322621035056]
  各種タスクにおける他のベースラインよりも優れた性能を示すための2つの新しいマルチスパイク学習ルールを提案する。 特徴検出タスクでは、教師なしSTDPの能力と、その制限を提示する能力を再検討する。 提案した学習ルールは,特定の制約を適用せずに,幅広い条件で確実にタスクを解くことができる。
  論文  参考訳（メタデータ） (2020-05-02T06:41:20Z)

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。