論文の概要: Population Dynamics in ARIEL Robotics Systems Featuring Embodied Evolution via Spatial Mating Mechanisms
- arxiv url: http://arxiv.org/abs/2604.26822v1
- Date: Wed, 29 Apr 2026 15:48:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-30 15:59:36.474007
- Title: Population Dynamics in ARIEL Robotics Systems Featuring Embodied Evolution via Spatial Mating Mechanisms
- Title（参考訳）: 空間的交配機構による身体的進化を考慮したARIELロボットシステムの個体群動態
- Authors: Victoria Peterson, Akshat Srivastava, Raghav Prabhakar,
- Abstract要約: 本研究では,ロボット個人が物理的に模擬された2次元環境に存在し,潜在的な仲間と遭遇するために移動し,空間的に認識される様々な選択圧力の下で生存するために競争する空間埋め込み進化アルゴリズムを提案する。
ARIELにインスパイアされた MuJoCo の四重項に対する HyperNEAT 進化型ニューラルコントローラを用いて, 構造が進化力学を根本的に変化させる方法について検討した。
- 参考スコア（独自算出の注目度）: 0.14337588659482522
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a Spatially Embedded Evolutionary Algorithm where robot individuals exist in a physically simulated 2D environment, must navigate to encounter potential mates, and compete for survival under various spatially-aware selection pressures. Using HyperNEAT evolved neural controllers for ARIEL gecko-inspired quadrupeds in MuJoCo, we investigate how spatial structure fundamentally alters evolutionary dynamics. Our experiments show a modest 4.9% difference in peak fitness between proximity-based and random pairing possibly within stochastic variation while combining spatial parent selection with stochastic death selection produces unstable population dynamics. We discover a continuous phase transition in energy-based selection experiments, with critical zone count separating extinction-dominated and explosion-dominated regimes. Our density-dependent death selection mechanism achieves 97% completion rates but causes fitness decline, revealing a fundamental dilemma where decoupled mechanisms produce bistable dynamics, positively coupled mechanisms create counter-selection pressures, and only deterministic fitness-based selection maintains stability. These findings provide important constraints for future spatial EA design.
- Abstract（参考訳）: 本研究では,ロボット個体が物理的に模擬された2次元環境に存在し,潜在的な仲間と遭遇するために移動し,空間的に認識される様々な選択圧力の下で生存するために競争する空間埋め込み進化アルゴリズムを提案する。
MuJoCoにおける ARIEL gecko にインスパイアされた四重項に対する HyperNEAT 進化型ニューラルコントローラを用いて,空間構造が進化力学を根本的に変化させるかを検討した。
本実験は,確率的空間的親選択と確率的死選択を組み合わせた場合,確率的空間的親選択と確率的死選択は不安定な人口動態を生じさせるが,近接ベースと確率的ペアリングのピーク適合度にわずか4.9%の差が認められた。
我々は、エネルギーベースの選択実験において、絶滅支配と爆発支配の体制を分離する臨界ゾーン数を持つ連続的な相転移を発見した。
我々の密度依存型死亡選択機構は97%の完成率を達成するが、適合度低下を引き起こすため、分離されたメカニズムが双安定なダイナミクスを発生させ、正に結合されたメカニズムが反選択圧を発生させ、決定論的適合に基づく選択のみが安定性を維持するという基本的なジレンマが明らかになった。
これらの知見は将来の空間EA設計に重要な制約を与える。
関連論文リスト
- Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - Evolving the Complete Muscle: Efficient Morphology-Control Co-design for Musculoskeletal Locomotion [36.2932241309361]
筋骨格系の形態と制御の協調設計に焦点をあてる。
筋力,速度,硬さを同時に進化させる完全筋骨格形態進化空間を導入する。
本手法は, 固定形態学や標準進化ベースラインと比較して, 学習効率と移動安定性が優れていることを示す。
論文 参考訳（メタデータ） (2026-04-14T15:06:55Z) - MIOFlow 2.0: A unified framework for inferring cellular stochastic dynamics from single cell and spatial transcriptomics data [47.97758608694957]
We introduced Interpolating Manifold-Transport Flow (MIOFlow) 2.0。
この枠組みは、多様体学習、最適輸送、神経微分方程式を統合することにより、生物学的に情報を得た細胞軌道を学習する。
合成データセット、胚体分化、空間的に解決されたアクソロトル脳再生で検証される。
論文 参考訳（メタデータ） (2026-03-23T20:49:45Z) - Evolutionary Systems Thinking -- From Equilibrium Models to Open-Ended Adaptive Dynamics [1.2691047660244335]
複雑な変化はしばしば、経済、政策、数値、技術において「進化的」と表現される。
本稿では、進化力学は生物学的メタファーとしてではなく、核となるシステム思考問題として扱うべきであると論じる。
論文 参考訳（メタデータ） (2026-02-17T19:17:50Z) - How Information Evolves: Stability-Driven Assembly and the Emergence of a Natural Genetic Algorithm [1.2691047660244335]
SDA(StableabilityDriven Assembly)は,長寿命のモチーフに対して,集団の永続性に偏りを伴ってホールマークを組立てるフレームワークである。
SDA/GAをSMILESフラグメントの組換え,突然変異,安定性関数を用いて化学記号空間に適用した。
結果は、永続的選択が遺伝的複製に先行する進化的はしご仮説を動機付けている。
論文 参考訳（メタデータ） (2026-01-22T15:47:48Z) - Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。
われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。
本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
論文 参考訳（メタデータ） (2025-07-15T17:57:48Z) - 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) - DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative
Diffusion Models [102.13968267347553]
本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。
我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
論文 参考訳（メタデータ） (2023-11-28T18:58:48Z) - 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) - Neuromorphic adaptive spiking CPG towards bio-inspired locomotion of
legged robots [58.720142291102135]
スパイクセントラルパターンジェネレーターは、外部刺激によって駆動される異なる移動パターンを生成します。
終端ロボットプラットフォーム(あらゆる脚ロボット)の移動は、任意のセンサーを入力として地形に適応することができる。
論文 参考訳（メタデータ） (2021-01-24T12:44:38Z)
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。