論文の概要: Limits of Lamarckian Evolution Under Pressure of Morphological Novelty
- arxiv url: http://arxiv.org/abs/2604.15854v1
- Date: Fri, 17 Apr 2026 09:04:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-20 22:00:19.84288
- Title: Limits of Lamarckian Evolution Under Pressure of Morphological Novelty
- Title（参考訳）: 形態学的新奇性の圧力下におけるラマルク進化の限界
- Authors: Jed R Muff, Karine Miras, A. E. Eiben,
- Abstract要約: ラマルク人の継承は、ロボット形態学とコントローラの共同進化が個々の学習によって強化されるシステムにおいて強力な加速器であることが示されている。
本研究では,ラマルクの遺伝的継承が,探索過程を高形態的分散に向けてどのように機能するかを検討する。
- 参考スコア（独自算出の注目度）: 0.7646713951724009
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Lamarckian inheritance has been shown to be a powerful accelerator in systems where the joint evolution of robot morphologies and controllers is enhanced with individual learning. Its defining advantage lies in the offspring inheriting controllers learned by their parents. The efficacy of this option, however, relies on morphological similarity between parent and offspring. In this study, we examine how Lamarckian inheritance performs when the search process is driven toward high morphological variance, potentially straining the requirement for parent-offspring similarity. Using a system of modular robots that can evolve and learn to solve a locomotion task, we compare Darwinian and Lamarckian evolution to determine how they respond to shifting from pure task-based selection to a multi-objective pressure that also rewards morphological novelty. Our results confirm that Lamarckian evolution outperforms Darwinian evolution when optimizing task-performance alone. However, introducing selection pressure for morphological diversity causes a substantial performance drop, which is much greater in the Lamarckian system. Further analyses show that promoting diversity reduces parent-offspring similarity, which in turn reduces the benefits of inheriting controllers learned by parents. These results reveal the limits of Lamarckian evolution by exposing a fundamental trade-off between inheritance-based exploitation and diversity-driven exploration.
- Abstract（参考訳）: ラマルク人の継承は、ロボット形態学とコントローラの共同進化が個々の学習によって強化されるシステムにおいて強力な加速器であることが示されている。
その定義上の利点は、子孫が両親から学んだコントローラーを継承することにある。
しかし、この選択の有効性は、親と子の間の形態的類似性に依存している。
本研究では,ラマルクの遺伝的継承が,探索過程が高形態的分散に向かって進行するときにどのように作用するかを考察し,親子類似性の要求を歪ませる可能性がある。
移動タスクを進化させ学習するモジュラーロボットのシステムを用いて、ダーウィンとラマルクの進化を比較し、それらが純粋なタスクベース選択から、形態的新奇性にも報いる多目的圧へのシフトにどう反応するかを判断する。
この結果から,タスクパフォーマンスのみを最適化する場合,ラマルクの進化はダーウィンの進化よりも優れていたことが確認された。
しかし、形態的多様性に対する選択圧力の導入は、ラマルク系においてはるかに大きな性能低下を引き起こす。
さらに分析したところ、多様性の促進は親子間の類似性を低下させ、その結果、親が学習したコントローラの継承の利点を低下させることが示された。
これらの結果は、継承に基づく搾取と多様性による探索の基本的なトレードオフを明らかにすることによって、ラマルクの進化の限界を明らかにする。
関連論文リスト
- An abstract model of nonrandom, non-Lamarckian mutation in evolution using a multivariate estimation-of-distribution algorithm [0.0]
本稿では,非ランダムな非ラマルク突然変異を具体的に示すシミュレーションモデルを提案する。
このモデルは進化論と進化計算の両方に遺伝的変化を通じて情報の内部統合を統合することの重要性を強調している。
論文 参考訳（メタデータ） (2026-04-14T15:33:45Z) - Neural Lineage [56.34149480207817]
本稿では,親子間の系統関係の発見を目的としたニューラルライン検出という新しいタスクを提案する。
実用上,ニューラルネットワーク表現類似度指標に微調整プロセスの近似を組み込んだ学習自由アプローチを導入する。
精度を追求するために,エンコーダと変圧器検出器からなる学習系系統検出装置を導入する。
論文 参考訳（メタデータ） (2024-06-17T01:11:53Z) - Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification [119.13058298388101]
遺伝子変異予測性能を向上させるため,生物知識を付加したPathGenomic Multi-label Transformerを開発した。
BPGTはまず、2つの慎重に設計されたモジュールによって遺伝子前駆体を構成する新しい遺伝子エンコーダを確立する。
BPGTはその後ラベルデコーダを設計し、最終的に2つの調整されたモジュールによる遺伝的突然変異予測を行う。
論文 参考訳（メタデータ） (2024-06-05T06:42:27Z) - Lamarckian Inheritance Improves Robot Evolution in Dynamic Environments [2.111420195774799]
本研究では,ラマルク系と進化ロボティクス(ER)の統合について検討する。
ラマルクの原理を採用することで、ロボットは学習した特性を継承し、ダーウィンの学習と並行して、動的環境の適応について検討する。
我々の研究は6つの異なる環境設定で行われ、ラマルク系がダーウィン系よりも適応性と効率性が優れていることを示した。
論文 参考訳（メタデータ） (2024-03-28T16:27:20Z) - 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) - Role of Morphogenetic Competency on Evolution [0.0]
進化計算において、逆関係(進化に関する知性の影響)は、生物レベルの振る舞いの観点からアプローチされる。
我々は、解剖学的形態空間をナビゲートするシステムの最小限のモデルの知性に焦点を当てる。
我々はシリコの標準遺伝アルゴリズムを用いて人工胚の個体群を進化させた。
論文 参考訳（メタデータ） (2023-10-13T11:58:18Z) - Lamarck's Revenge: Inheritance of Learned Traits Can Make Robot
Evolution Better [2.884244918665901]
「もし18世紀の生物学者ラマルクが完全に間違っておらず、生涯に学んだ個々の特性が継承を通じて子孫に受け継がれるとしたらどうだろう。」
この枠組みでは、学習した脳のビットが継承可能なラマルク系と、そうでないダーウィン系を比較する。
論文 参考訳（メタデータ） (2023-09-22T15:29:15Z) - Unsupervised ensemble-based phenotyping helps enhance the
discoverability of genes related to heart morphology [57.25098075813054]
我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。
教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。
これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
論文 参考訳（メタデータ） (2023-01-07T18:36:44Z) - Epigenetic opportunities for Evolutionary Computation [0.0]
進化計算(Evolutionary Computation)は、複雑な最適化問題を解くために用いられる生物学的にインスパイアされたアルゴリズムのグループである。
遺伝的遺伝からインスピレーションを得る進化的アルゴリズムと、文化的遺伝からインスピレーションを得るSwarm Intelligenceアルゴリズムに分けることができる。
本稿では, 進化的拡張合成に基づく生物学的枠組みの下で, バイオインスパイアされたアルゴリズムを成功裏に分解する。
論文 参考訳（メタデータ） (2021-08-10T09:44:53Z) - Epigenetic evolution of deep convolutional models [81.21462458089142]
我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。
異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。
提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
論文 参考訳（メタデータ） (2021-04-12T12:45:16Z) - Embodied Intelligence via Learning and Evolution [92.26791530545479]
環境の複雑さが形態学的知能の進化を促進することを示す。
また、進化は速く学習する形態を素早く選択することを示した。
我々の実験は、ボールドウィン効果とモルフォロジーインテリジェンスの発生の両方の力学的基礎を示唆している。
論文 参考訳（メタデータ） (2021-02-03T18:58:31Z)
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。