論文の概要: Lamarck's Driving School: Discovering Autonomous Driving Training Strategies through Evolutionary Competition

• arxiv url: http://arxiv.org/abs/2610.11662v1
• Date: Thu, 08 Oct 2026 10:36:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 11:59:33.750957
• Title: Lamarck's Driving School: Discovering Autonomous Driving Training Strategies through Evolutionary Competition
• Title（参考訳）: Lamarck's Driving School:進化的競争による自律運転訓練戦略の発見
• Abstract要約: 本稿では,サロゲートに基づく指導を候補分布間の競合に置き換えるラマルク的進化的枠組みを提案する。 完全なフレームワークはパフォーマンス損失を最大25.07%削減し、軽量戦略は19.13%削減した。
• 参考スコア（独自算出の注目度）: 42.18276190392634
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous driving capabilities depend strongly on the distribution of scenarios encountered during training. Existing methods commonly construct or dynamically adapt training scenario distributions using surrogate criteria such as realism, difficulty, or risk. However, these predefined surrogates may misrepresent training value, leading to inefficient use of training resources. To address this limitation, we propose a Lamarckian evolutionary framework that replaces surrogate-based guidance with competition among candidate distributions. We formulate training strategy discovery as a multi-stage bilevel optimization problem and use Lamarckian evolution algorithm to approximate its solution. At the outer level, Darwinian crossover, mutation, and selection explore the scenario distribution space; at the inner level, policy learning acquires new capabilities, and Lamarckian inheritance transfers them to subsequent stages, allowing scenario distributions and policy capabilities to co-evolve. The resulting evolutionary trajectories reveal recurring stage-wise regularities among high-value distributions, characterized by capability accumulation through stage-wise challenge rotation. We further distill these regularities into a lightweight, reusable Lamarckian Training Strategy. Experiments show that, compared with the baseline, the complete framework reduces performance loss by up to 25.07%, while the lightweight strategy still achieves a 19.13% reduction. These results demonstrate that evolutionary competition can both discover effective training strategies and reveal reusable stage-wise patterns in how the value of training distributions changes with policy capability. Code is available on GitHub.
• Abstract（参考訳）: 自律運転能力は、訓練中に遭遇するシナリオの分布に強く依存する。 既存の手法は、現実主義、難易度、リスクといった代理的な基準を用いて、トレーニングシナリオの分布を構築したり、動的に適用するのが一般的である。 しかし、これらの事前定義されたサロゲートはトレーニング価値を誤って表現し、トレーニングリソースの非効率な使用につながる可能性がある。 この制限に対処するために、サロゲートに基づくガイダンスを候補分布間の競合に置き換えるラマルク的進化的枠組みを提案する。 多段階二段階最適化問題としてトレーニング戦略発見を定式化し、ラマルク進化アルゴリズムを用いてその解を近似する。 外層ではダーウィンの交叉、突然変異、選択がシナリオ分布空間を探索し、内層では政策学習が新たな能力を獲得し、ラマルクの継承はそれらを次の段階に移し、シナリオ分布と政策能力の共同発展を可能にする。 結果として生じる進化軌道は、ステージワイドチャレンジ回転による能力蓄積を特徴とする、高値分布におけるステージワイド規則性の繰り返しを示す。 さらに、これらのレギュラーを軽量で再利用可能なラマルク訓練戦略に蒸留する。 実験では、ベースラインと比較して、完全なフレームワークはパフォーマンス損失を最大25.07%削減し、軽量戦略は19.13%削減した。 これらの結果は、進化的コンペティションが効果的なトレーニング戦略の発見と、トレーニングディストリビューションの価値が政策能力とともにどのように変化するかにおける再利用可能なステージワイズパターンを明らかにすることを実証している。 コードはGitHubで入手できる。

関連論文リスト

• Online Evolution Strategy for Flow-Matching VLA Policies via Self-Supervised Trajectory Distribution Optimization [5.524313339074645]
  フローマッチングに基づくビジョン・ランゲージ・アクション(VLA)モデルのためのオンライン適応フレームワークであるOnline-ESを提案する。 オンラインESは、インタラクションフィードバックを通じて学習された行動軌跡分布を洗練する。 シミュレーションと実環境の両方の実験では、オンラインESが強化微調整に匹敵する政策改善を達成している。
  論文  参考訳（メタデータ） (2026-09-30T03:14:09Z)
• Teaching LLMs to Self-Evolve: Cultivating Core Meta-Skills with Reinforcement Learning [51.17262419591891]
  AlphaEvolveが示すように、環境フィードバックによる反復的自己進化によるテスト時間のスケーリングは、顕著なパフォーマンス向上を示している。 本稿では,データ合成パイプライン,進化対応強化学習,推論時進化探索によるメタスキル開発を目的としたMetaEvolveを提案する。
  論文  参考訳（メタデータ） (2026-07-24T04:35:29Z)
• Unleashing the Potential of Differential Evolution through Individual-Level Strategy Diversity [6.921493684518839]
  個人レベルの戦略多様性が差分進化の探索力学と性能に与える影響について検討する。 iStratDEは、突然変異とクロスオーバー戦略を個別に割り当てる最小限の変種である。 CEC2022ベンチマークスイートとロボット制御タスクの実験は、iStratDEが確立された適応Dの変種と一致するか、あるいは超えることを示した。
  論文  参考訳（メタデータ） (2026-02-01T10:45:44Z)
• Position: Agentic Evolution is the Path to Evolving LLMs [56.733933092220845]
  この制限に対処するには、新たなスケーリング軸進化が必要です。 既存の展開時適応手法では、障害を診断し、持続的な改善を生み出すために必要な戦略的機関が欠如している。
  論文  参考訳（メタデータ） (2026-01-30T22:15:58Z)
• Utilizing Evolution Strategies to Train Transformers in Reinforcement Learning [0.0]
  我々は,強化学習環境において,トランスフォーマーアーキテクチャに基づくポリシーでエージェントを訓練する進化戦略の能力について検討する。 我々は,OpenAIの高度並列化可能な進化戦略を用いて,MuJoCoヒューマノイド環境およびアタリゲーム環境における決定変換器の訓練を行った。
  論文  参考訳（メタデータ） (2025-01-23T17:56:40Z)
• Variance-Reduced Gradient Estimation via Noise-Reuse in Online Evolution Strategies [50.10277748405355]
  Noise-Reuse Evolution Strategies (NRES) は、非バイアスのオンライン進化戦略の一般的なクラスである。 NRESの結果は既存のAD法やES法よりも早く,様々なアプリケーションにまたがるウォールクロック時間とステップ数で収束することを示す。
  論文  参考訳（メタデータ） (2023-04-21T17:53:05Z)
• Distributionally Adaptive Meta Reinforcement Learning [85.17284589483536]
  テスト時間分布シフトの下で適切に振る舞うメタRLアルゴリズムのフレームワークを開発する。 我々の枠組みは、分布のロバスト性に対する適応的なアプローチを中心とし、様々なレベルの分布シフトに対してロバストであるようメタポリスの人口を訓練する。 本研究は, 分散シフト下での後悔を改善するための枠組みを示し, シミュレーションロボティクス問題に対する効果を実証的に示す。
  論文  参考訳（メタデータ） (2022-10-06T17:55:09Z)

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。