論文の概要: Expedition & Expansion: Leveraging Semantic Representations for Goal-Directed Exploration in Continuous Cellular Automata

• arxiv url: http://arxiv.org/abs/2509.03863v1
• Date: Thu, 04 Sep 2025 03:44:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-05 20:21:10.042847
• Title: Expedition & Expansion: Leveraging Semantic Representations for Goal-Directed Exploration in Continuous Cellular Automata
• Title（参考訳）: Expedition & Expansion:連続セルオートマタにおけるゴール指向探索のためのセマンティック表現の活用
• Authors: Sina Khajehabdollahi, Gautier Hamon, Marko Cvjetko, Pierre-Yves Oudeyer, Clément Moulin-Frier, Cédric Colas,
• Abstract要約: 探検と拡張 (Expedition and Expansion, E&E) は、新奇主義による地域拡大と目標指向の探検を交互に行うハイブリッド戦略である。 人間の知覚と整合した意味空間で操作することで、E&Eはどちらも斬新さを評価し、概念的に意味のある方法で目標を生成する。 リッチで創発的な振る舞いで知られる継続的CAであるFlow LeniaでテストされたE&Eは、既存の探査方法よりも多様なソリューションを一貫して明らかにしている。
• 参考スコア（独自算出の注目度）: 13.08912983293449
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Discovering diverse visual patterns in continuous cellular automata (CA) is challenging due to the vastness and redundancy of high-dimensional behavioral spaces. Traditional exploration methods like Novelty Search (NS) expand locally by mutating known novel solutions but often plateau when local novelty is exhausted, failing to reach distant, unexplored regions. We introduce Expedition and Expansion (E&E), a hybrid strategy where exploration alternates between local novelty-driven expansions and goal-directed expeditions. During expeditions, E&E leverages a Vision-Language Model (VLM) to generate linguistic goals--descriptions of interesting but hypothetical patterns that drive exploration toward uncharted regions. By operating in semantic spaces that align with human perception, E&E both evaluates novelty and generates goals in conceptually meaningful ways, enhancing the interpretability and relevance of discovered behaviors. Tested on Flow Lenia, a continuous CA known for its rich, emergent behaviors, E&E consistently uncovers more diverse solutions than existing exploration methods. A genealogical analysis further reveals that solutions originating from expeditions disproportionately influence long-term exploration, unlocking new behavioral niches that serve as stepping stones for subsequent search. These findings highlight E&E's capacity to break through local novelty boundaries and explore behavioral landscapes in human-aligned, interpretable ways, offering a promising template for open-ended exploration in artificial life and beyond.
• Abstract（参考訳）: 連続セルオートマトン(CA)における多様な視覚パターンの発見は、高次元の挙動空間の広さと冗長性のために困難である。 ノベルティ・サーチ (NS) のような伝統的な探索手法は、既知の新しい解を変異させることで局所的に拡大するが、しばしば、局所的なノベルティが枯渇した時に高原に広がり、遠く、未探検の領域に到達できなかった。 本稿では,新奇な展開と目標指向の遠征を交互に行うハイブリッド戦略であるExpedition and Expansion(E&E)を紹介する。 探検中、E&Eはヴィジュアル・ランゲージ・モデル(VLM)を利用して、興味深いが仮説的なパターンを記述し、未知の領域を探索する。 人間の知覚と整合した意味空間で操作することで、E&Eは新鮮さを評価し、概念的に意味のある方法で目標を生成し、発見された行動の解釈可能性と関連性を高める。 リッチで創発的な振る舞いで知られる継続的CAであるFlow LeniaでテストされたE&Eは、既存の探査方法よりも多様なソリューションを一貫して明らかにしている。 遺伝学的分析により、遠征に由来する解が長期探査に不均等に影響を与え、その後の探索の足場となる新しい行動ニッチを解き放つことが判明した。 これらの知見は、E&Eが局所的なノベルティの境界を突破し、人間の整合性、解釈可能な方法で行動の景観を探索する能力を強調し、人工生命などにおけるオープンエンド探索のための有望なテンプレートを提供する。

関連論文リスト

• GeoExplorer: Active Geo-localization with Curiosity-Driven Exploration [24.01750902074338]
  アクティブジオローカライゼーション(Active Geo-localization, AGL)は、事前に定義された検索領域内のゴールをローカライズするタスクである。 現在の手法は距離に基づく報酬を伴う目標獲得強化学習問題としてAGLにアプローチしている。 固有報酬による好奇心駆動探索を取り入れたAGLエージェントGeoExplorerを提案する。
  論文  参考訳（メタデータ） (2025-07-31T20:23:25Z)
• Imagine, Verify, Execute: Memory-Guided Agentic Exploration with Vision-Language Models [60.675955082094944]
  本稿では,人間の好奇心に触発されたエージェント探索フレームワークIVEを紹介する。 シミュレーションおよび実世界のテーブルトップ環境におけるIVEの評価を行った。
  論文  参考訳（メタデータ） (2025-05-12T17:59:11Z)
• Open-World Reinforcement Learning over Long Short-Term Imagination [91.28998327423295]
  高次元オープンワールドにおける視覚的強化学習エージェントの訓練は、大きな課題を呈している。 LS-Imagineは、有限個の状態遷移ステップにおいて、イマジネーションの地平線を拡大する。 我々の手法は、MineDojoの最先端技術よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2024-10-04T17:17:30Z)
• Intelligent Go-Explore: Standing on the Shoulders of Giant Foundation Models [5.404186221463082]
  Go-Exploreは、ハード探索問題を解決するために設計されたアルゴリズムの強力なファミリーである。 本稿では,従来の Go-Explore の範囲を大きく広げる Intelligent Go-Explore (IGE) を提案する。 IGEには人間のような能力があり、新しい状態がいかに面白く、あるいは有望であるかを直感的に識別する能力がある。
  論文  参考訳（メタデータ） (2024-05-24T01:45:27Z)
• How To Not Train Your Dragon: Training-free Embodied Object Goal Navigation with Semantic Frontiers [94.46825166907831]
  Embodied AIにおけるオブジェクトゴールナビゲーション問題に対処するためのトレーニング不要のソリューションを提案する。 本手法は,古典的な視覚的同時ローカライゼーションとマッピング(V-SLAM)フレームワークに基づく,構造化されたシーン表現を構築する。 本手法は,言語先行情報とシーン統計に基づいてシーングラフのセマンティクスを伝搬し,幾何学的フロンティアに意味知識を導入する。
  論文  参考訳（メタデータ） (2023-05-26T13:38:33Z)
• Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
  そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。 エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。 われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
  論文  参考訳（メタデータ） (2020-08-21T03:16:51Z)

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。