論文の概要: Tournament Informed Adversarial Quality Diversity

• arxiv url: http://arxiv.org/abs/2601.19562v1
• Date: Tue, 27 Jan 2026 12:55:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 13:38:36.264758
• Title: Tournament Informed Adversarial Quality Diversity
• Title（参考訳）: 対戦型品質の多様性をインフォームドしたトーナメント
• Authors: Timothée Anne, Noah Syrkis, Meriem Elhosni, Florian Turati, Alexandre Manai, Franck Legendre, Alain Jaquier, Sebastian Risi,
• Abstract要約: 本稿では,各世代における品質と多様性を高めるために,トーナメント情報を用いた2つのタスク選択手法を提案する。 我々は,Pong,Cat-and-mouseゲーム,Pursuers-and-evadersゲームという3つの逆問題にまたがる変種を評価する。
• 参考スコア（独自算出の注目度）: 35.69501554993759
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quality diversity (QD) is a branch of evolutionary computation that seeks high-quality and behaviorally diverse solutions to a problem. While adversarial problems are common, classical QD cannot be easily applied to them, as both the fitness and the behavior depend on the opposing solutions. Recently, Generational Adversarial MAP-Elites (GAME) has been proposed to coevolve both sides of an adversarial problem by alternating the execution of a multi-task QD algorithm against previous elites, called tasks. The original algorithm selects new tasks based on a behavioral criterion, which may lead to undesired dynamics due to inter-side dependencies. In addition, comparing sets of solutions cannot be done directly using classical QD measures due to side dependencies. In this paper, we (1) use an inter-variants tournament to compare the sets of solutions, ensuring a fair comparison, with 6 measures of quality and diversity, and (2) propose two tournament-informed task selection methods to promote higher quality and diversity at each generation. We evaluate the variants across three adversarial problems: Pong, a Cat-and-mouse game, and a Pursuers-and-evaders game. We show that the tournament-informed task selection method leads to higher adversarial quality and diversity. We hope that this work will help further advance adversarial quality diversity. Code, videos, and supplementary material are available at https://github.com/Timothee-ANNE/GAME_tournament_informed.
• Abstract（参考訳）: 品質多様性(QD)は、問題に対する高品質で行動的に多様な解決策を求める進化的計算の分野である。 逆問題は通常あるが、古典的なQDは、適合性と振る舞いの両方が反対の解に依存するため、それらに容易に適用できない。 近年,タスクと呼ばれる従来のエリートに対してマルチタスクQDアルゴリズムの実行を交互に行うことで,逆問題と逆問題の両方を共進化させることが提案されている。 元のアルゴリズムは、振る舞いの基準に基づいて新しいタスクを選択するが、これは、サイド間の依存関係によって望ましくないダイナミクスを引き起こす可能性がある。 さらに、ソリューションの集合を比較することは、側依存のため古典的なQD測度を使って直接行うことはできない。 本稿では,(1)変種間トーナメントを用いて,ソリューションの集合を比較し,品質と多様性の6つの尺度と公正な比較をし,(2)各世代におけるより高い品質と多様性を促進するための2つのトーナメントインフォームドタスク選択手法を提案する。 我々は,Pong,Cat-and-mouseゲーム,Pursuers-and-evadersゲームという3つの逆問題にまたがる変種を評価する。 トーナメントインフォームドタスク選択法は,高い品質と多様性をもたらすことを示す。 この取り組みが敵の質の多様性をさらに向上させることを期待している。 コード、ビデオ、補足資料はhttps://github.com/Timothee-ANNE/GAME_tournament_informed.comで入手できる。

関連論文リスト

• Adversarial Coevolutionary Illumination with Generational Adversarial MAP-Elites [3.4524024382493774]
  QD(Quality-Diversity)アルゴリズムは、振る舞い空間にまたがる多様なハイパフォーマンスなソリューションを見つけ出そうとする。 本稿では,各世代でどの側が進化するかを交互に比較することによって,両面を進化させる共進化QDアルゴリズムであるジェネレーション・アドバイサルMAP-Elites(GAME)を提案する。
  論文  参考訳（メタデータ） (2025-05-10T12:00:48Z)
• The Procedural Content Generation Benchmark: An Open-source Testbed for Generative Challenges in Games [4.409440064748338]
  ベンチマークには12のゲーム関連の問題があり、それぞれに複数のバリエーションがある。 各問題には、コンテンツ表現、制御パラメータ、品質、多様性、制御性の評価指標がそれぞれ備わっている。
  論文  参考訳（メタデータ） (2025-03-27T13:05:40Z)
• Diversify Question Generation with Retrieval-Augmented Style Transfer [68.00794669873196]
  本稿では,検索型スタイル転送のためのフレームワーク RAST を提案する。 本研究の目的は,多様なテンプレートのスタイルを質問生成に活用することである。 多様性報酬と一貫性報酬の重み付けを最大化する新しい強化学習(RL)ベースのアプローチを開発する。
  論文  参考訳（メタデータ） (2023-10-23T02:27:31Z)
• Ranking a Set of Objects using Heterogeneous Workers: QUITE an Easy Problem [54.90613714264689]
  我々は、不平等労働者の群れによって提供されるノイズの多いペア比較の集合から始まる、$N$オブジェクトのランク付けの問題に焦点をあてる。 本研究では,作業者の信頼性とオブジェクトの品質を共同で推定する非適応的ランキングアルゴリズムQUITEを提案する。
  論文  参考訳（メタデータ） (2023-10-03T12:42:13Z)
• Towards QD-suite: developing a set of benchmarks for Quality-Diversity algorithms [0.0]
  既存のベンチマークは標準化されておらず、現在、品質多様性(QD)に匹敵するMNISTはない。 我々は、QD手法が直面する課題の特定と、目標とする、挑戦的でスケーラブルなベンチマークの開発が重要なステップであると主張している。
  論文  参考訳（メタデータ） (2022-05-06T13:33:50Z)
• Learning to Walk Autonomously via Reset-Free Quality-Diversity [73.08073762433376]
  品質多様性アルゴリズムは、多様かつ高いパフォーマンスのスキルからなる大規模で複雑な行動レパートリーを発見することができる。 既存のQDアルゴリズムは、手動による人間の監督と介入を必要とするエピソードリセットと同様に、多数の評価を必要とする。 本稿では,オープンエンド環境におけるロボットの自律学習に向けたステップとして,リセットフリー品質多様性最適化(RF-QD)を提案する。
  論文  参考訳（メタデータ） (2022-04-07T14:07:51Z)
• Generating Diverse and Competitive Play-Styles for Strategy Games [58.896302717975445]
  ターン型戦略ゲーム(Tribes)のためのプログレッシブアンプランによるPortfolio Monte Carlo Tree Searchを提案する。 品質分散アルゴリズム(MAP-Elites)を使用して異なるプレイスタイルを実現し、競争レベルを維持しながらパラメータ化する方法を示します。 その結果,このアルゴリズムは,トレーニングに用いるレベルを超えて,幅広いゲームレベルにおいても,これらの目標を達成できることが示された。
  論文  参考訳（メタデータ） (2021-04-17T20:33:24Z)
• End-to-End Learning and Intervention in Games [60.41921763076017]
  ゲームにおける学習と介入のための統一的なフレームワークを提供する。 明示的および暗黙的な区別に基づく2つのアプローチを提案する。 分析結果は、実世界のいくつかの問題を用いて検証される。
  論文  参考訳（メタデータ） (2020-10-26T18:39:32Z)

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。