論文の概要: Adaptive Exploration in Lenia with Intrinsic Multi-Objective Ranking

• arxiv url: http://arxiv.org/abs/2506.02990v1
• Date: Tue, 03 Jun 2025 15:26:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 01:42:09.435138
• Title: Adaptive Exploration in Lenia with Intrinsic Multi-Objective Ranking
• Title（参考訳）: 内在性多目的ランク付けによるレニアの適応的探索
• Authors: Niko Lorantos, Lee Spector,
• Abstract要約: 本研究は、レニア連続細胞オートマトンにおける探索と非有界イノベーションを促進するメカニズムを解明する。 我々は適応探索が進化力学を改善し、人工システムにおけるオープンエンド進化を達成するための重要なステップであると主張している。
• 参考スコア（独自算出の注目度）: 3.2228025627337864
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial life aims to understand the fundamental principles of biological life by creating computational models that exhibit life-like properties. Although artificial life systems show promise for simulating biological evolution, achieving open-endedness remains a central challenge. This work investigates mechanisms to promote exploration and unbounded innovation within evolving populations of Lenia continuous cellular automata by evaluating individuals against each other with respect to distinctiveness, population sparsity, and homeostatic regulation. Multi-objective ranking of these intrinsic fitness objectives encourages the perpetual selection of novel and explorative individuals in sparse regions of the descriptor space without restricting the scope of emergent behaviors. We present experiments demonstrating the effectiveness of our multi-objective approach and emphasize that intrinsic evolution allows diverse expressions of artificial life to emerge. We argue that adaptive exploration improves evolutionary dynamics and serves as an important step toward achieving open-ended evolution in artificial systems.
• Abstract（参考訳）: 人工生命は、生命に似た性質を示す計算モデルを作成することによって、生物の基本的な原理を理解することを目的としている。 人工生命系は生物進化をシミュレートする可能性を秘めているが、オープン・エンディネスの実現は依然として中心的な課題である。 本研究は,レニア連続細胞オートマトン内での探索と非有界イノベーションを促進するメカニズムを,個体の識別性,個体密度,恒常的規制に関して評価することによって検討する。 これらの本質的なフィットネス目的の多目的ランキングは、創発的行動の範囲を制限することなく、記述空間のスパース領域における新規および爆発的個人の選択を促進する。 我々は,多目的アプローチの有効性を実証する実験を行い,本質的な進化によって人工生命の多様な表現が生まれることを強調した。 我々は適応探索が進化力学を改善し、人工システムにおけるオープンエンド進化を達成するための重要なステップであると主張している。

関連論文リスト

• Emergence of Implicit World Models from Mortal Agents [0.276240219662896]
  本稿では,自律エージェントにおけるオープンエンド行動最適化の創発的特性として,世界モデルと積極的な探索の可能性について論じる。 生物のオープン・エンディネスの源泉を論じる際、我々は、理論生物学と人工生命の力学的アプローチによって理解される生物学的システムの観点から始める。
  論文  参考訳（メタデータ） (2024-11-19T07:43:30Z)
• Emergent Collective Reproduction via Evolving Neuronal Flocks [0.0]
  この研究は、VitaNovaという新しい人工生命の枠組みを通じて、個人性(ETI)の進化的遷移の理解を促進する。 VitaNovaは複雑に自己組織化と自然選択を融合させ、複雑な生殖群の出現をシミュレートする。
  論文  参考訳（メタデータ） (2024-09-20T06:22:24Z)
• Toward Artificial Open-Ended Evolution within Lenia using Quality-Diversity [5.380545611878407]
  複雑なシステムにおける多種多様な自己組織化パターンの自動発見には,品質多様性が有効であることを示す。 我々のフレームワークは、Leniabreederと呼ばれ、手動で定義された多様性基準と教師なしの多様性尺度の両方を利用して、発見可能なパターンの範囲を広げることができる。
  論文  参考訳（メタデータ） (2024-06-06T16:35:27Z)
• 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)
• A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
  大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。 我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
  論文  参考訳（メタデータ） (2023-10-14T23:28:48Z)
• 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)
• The scaling of goals via homeostasis: an evolutionary simulation, experiment and analysis [0.0]
  本研究では, 形態形成過程における細胞の集合的知能を, ホメオスタティックプロセスの中心における目標状態をスケールアップすることによって, 行動知能に転換することを提案する。 これらの創発性形態形成因子は、その標的形態学を達成するために応力伝播ダイナミクスの使用を含む、多くの予測された特徴を示す。 本研究では, 進化が最小目標指向行動(ホメオスタティックループ)をどのように高次問題解決剤に拡大するかを, 定量的に把握するための第一歩として提案する。
  論文  参考訳（メタデータ） (2022-11-15T21:48:44Z)
• Variational Dynamic for Self-Supervised Exploration in Deep Reinforcement Learning [12.76337275628074]
  本研究では,条件付き変分推論に基づく変動力学モデルを提案し,多モード性および生成性をモデル化する。 環境遷移の負の対数類似度の上界を導出し、その上界を探査の本質的な報酬として利用する。 提案手法は,最先端の環境モデルに基づく探索手法よりも優れている。
  論文  参考訳（メタデータ） (2020-10-17T09:54:51Z)

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。