論文の概要: The Cost of Becoming: Developmental Encoding Increases Phenotypic Diversity but Reduces Locality and Recombination Robustness in Evolved Robots
- arxiv url: http://arxiv.org/abs/2609.17606v1
- Date: Mon, 14 Sep 2026 00:40:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.453835
- Title: The Cost of Becoming: Developmental Encoding Increases Phenotypic Diversity but Reduces Locality and Recombination Robustness in Evolved Robots
- Title（参考訳）: 進化的エンコーディングは異種多様性を増大させるが、進化するロボットの局所性と組換えロバスト性を低下させる
- Abstract要約: 発達的エンコーディングは、構造化された遺伝子型からフェノタイプへのプロセスが進化性、堅牢性、適応性を改善することを期待することで動機づけられる。
このトレードオフを、3つの一致した表現を比較して、制御された進化ロボティクスのベンチマークで検証する。
表現毎の30対の進化的実行では、発達的符号化は最終訓練やアウト・オブ・ディストリビューションの適合度において直接符号化を確実に上回らない。
同じ表現は、低い突然変異生存性、低い遺伝子型-フェノタイプ局在性、クロスオーバー子孫の適合性と生存性を著しく減少させ、組換えの新規性を高めている。
- 参考スコア（独自算出の注目度）: 0.45687771576879593
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Developmental encodings are often motivated by the expectation that a structured genotype-to-phenotype process can improve evolvability, robustness, and adaptation. Yet an encoding that expands phenotypic variation may simultaneously make useful parental structure harder to preserve under mutation and recombination. We test this trade-off in a controlled evolutionary-robotics benchmark comparing three matched representations: direct encoding, a static generative encoding, and a temporal zygotic developmental encoding. All three conditions use 34 genome parameters, 34 adult-controller parameters, identical initial genome matrices, the same optimizer, the same mutation and crossover operators, the same environments, and the same number of fitness evaluations. Across 30 paired evolutionary runs per representation, developmental encoding does not reliably exceed direct encoding in final training or out-of-distribution fitness. It does, however, substantially increase final population phenotypic diversity and mutant-reachable phenotype diversity. The same representation exhibits lower mutation viability, lower genotype--phenotype locality, sharply reduced crossover offspring fitness and viability, and increased recombination novelty. Continued developmental dynamics also attenuate damage applied early in development relative to otherwise identical late damage. These results identify a representation-level trade-off: development can enlarge the neighborhood of reachable phenotypes and provide within-development damage attenuation while degrading the local inheritance of already-adapted structure. We argue that developmental encodings should therefore be evaluated not by performance alone, but by a joint geometry of generativity, locality, robustness, and inheritance compatibility.
- Abstract（参考訳）: 発達的エンコーディングは、構造化された遺伝子型からフェノタイプへのプロセスが進化性、堅牢性、適応性を改善することを期待することでしばしば動機付けられる。
しかし、表現型の変化を同時に拡大するエンコーディングは、突然変異と組換えの下での親構造を保存しにくくする可能性がある。
このトレードオフを, 直接符号化, 静的生成符号化, 時相接合型発達符号化という3つの一致した表現を比較し, 制御された進化ロボティクスのベンチマークで検証した。
3つの条件はすべて、34のゲノムパラメータ、34のアダルトコントローラパラメータ、同じ初期ゲノム行列、同じオプティマイザ、同じ突然変異とクロスオーバー演算子、同じ環境、同じ数のフィットネス評価を使用する。
表現毎の30対の進化的実行では、発達的符号化は最終訓練やアウト・オブ・ディストリビューションの適合度において直接符号化を確実に上回らない。
しかし、最終個体群の表現型多様性と変異に到達可能な表現型多様性を著しく増加させる。
同じ表現は、低い突然変異生存性、低い遺伝子型-フェノタイプ局在性、クロスオーバー子孫の適合性と生存性を著しく減少させ、組換えの新規性を高めている。
連続した発達力学は、他の場合と同じ遅延損傷に対して、発達初期に適用された損傷を減少させる。
これらの結果は, 到達可能な表現型の近傍を拡大し, 既に適応された構造の局所的継承を低下させながら, 内部の損傷減衰を与える。
したがって、発達的エンコーディングは、パフォーマンスのみでなく、生成性、局所性、堅牢性、継承互換性の合同幾何学によって評価されるべきである。
関連論文リスト
- Evolving Self-Organising Agents Without Fitness: Three Falsifiable Experiments from Constraint-Driven Selection to Developmental Encoding [0.42303492200814446]
我々は、エージェントが物理的制約だけで進化するプラットフォームであるGenesisを提示する。
1) 拘束駆動選択は完全フィットネス除去後の進化的活動を維持するが,硬質表現型複雑天井に達する,(2) 化学的分泌によるエージェント介在性ニッチ構築は現実的には不十分であり,(3) 固定アルファベトゲノムを合成パターン生成ネットワーク(CPPN) に置き換える, NEATスタイルの識別で保護された間接的エンコーディングは, フィットネスフリーシステムにおける進化的構造的複雑化の最初の証拠となる。
論文 参考訳（メタデータ） (2026-07-18T14:44:19Z) - Towards A Generative Protein Evolution Machine with DPLM-Evo [73.57855006698269]
本報告では,denoising中の置換,挿入,削除操作を明示的に予測する進化的離散拡散フレームワークDPLM-Evoについて述べる。
DPLM-Evoは、単一シーケンス設定におけるProteinGymのシーケンス理解と最先端の突然変異効果予測性能を改善した。
論文 参考訳（メタデータ） (2026-04-30T19:59:07Z) - Activity-Dependent Plasticity in Morphogenetically-Grown Recurrent Networks [0.0]
反ヘビアン可塑性は、有能なネットワークにおいてヘビアンを著しく上回っている。
塑性の役割は、微調整から非定常下での真の適応へと移行する。
論文 参考訳（メタデータ） (2026-04-03T18:35:13Z) - Beyond Independent Genes: Learning Module-Inductive Representations for Gene Perturbation Prediction [48.80217316452559]
scBIGは、協調した遺伝子プログラムを明示的にモデル化するモジュール誘導予測フレームワークである。
scBIGは、特に目に見えない、摂動的な設定において、最先端のメソッドを一貫して上回る。
論文 参考訳（メタデータ） (2026-02-03T16:43:40Z) - G2PDiffusion: Cross-Species Genotype-to-Phenotype Prediction via Evolutionary Diffusion [108.94237816552024]
本稿では,DNAから形態像を生成する最初の遺伝子型対フェノタイプ拡散モデル(G2PDiffusion)を提案する。
本モデルは,1)保存および共進化パターンを識別するMSA検索エンジン,2)複雑なジェノタイプ-環境相互作用を効果的にモデル化する環境対応MSA条件エンコーダ,3)遺伝子型-フェノタイプ整合性を改善する適応型表現的アライメントモジュールを含む。
論文 参考訳（メタデータ） (2025-02-07T06:16:31Z) - 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) - 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) - eVAE: Evolutionary Variational Autoencoder [40.29009643819948]
変動情報ボトルネック(VIB)理論に基づく進化的変分オートエンコーダ(eVAE)の構築を提案する。
eVAEは変異遺伝的アルゴリズムを、変異突然変異、交叉、進化を含む変異進化演算子とVAEに統合する。
eVAEは、コンペティターよりもコンペティターのリコンストラクションロス、アンタングル、ジェネレーション-推論バランスが向上する。
論文 参考訳（メタデータ） (2023-01-01T23:54:35Z) - 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)
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。