ICLRMar, 2022

身体 - 大脑共同演化的统一基质

PDF
TL;DR通过引入神经细胞机器人基质（NCRS）的方法，使用单个神经细胞自动机（NCA）作为模块化机器人代理的基因组，使用协方差矩阵适应进化策略（CMA-ES）和协方差矩阵适应 MAP-Elites（CMA-ME）来训练 NCRS，以实现对机器人形态的成长和控制的模拟。研究表明，该方法在较简单的任务中表现良好，但在任务难度增加时，其成功率会降低。
neural cellular automatonmodular robotic agentsgenomerobot morphologiescma-es
发现论文，激发创造
  • 模块化软体机器人的体内脉冲神经细胞自动机集体控制

    本文提出了一种新的集体控制方法，基于神经元元自动机和生物启发的脉冲神经网络，用于 Voxel-based Soft Robots 的运动控制，实现了对环境变化的适应性。

    Apr, 2022

  • HyperNCA：使用神经元细胞自动机生成发育网络

    通过使用基于神经细胞自动机 (NCA) 的超网络方法，我们可以在受到自组织系统和信息理论方法的启发下，以发育生物学为基础，生长出能够解决常见强化学习任务的神经网络，并探索了如何使用相同的方法来构建发育变形网络，以解决最初强化学习任务的变化版本。

    Apr, 2022

  • Coralai: 具有自主进化的体验感知神经元元胞自动机生态系统

    Coralai 是一个用于探索神经元元胞自动机（NCA）多样化生态系统的框架，通过使用模块化的 GPU 加速 Taichi 内核，以 HyperNEAT 和 PyTorch 实现的局部存活、合并和变异操作，实现了生物在 Coralai 中的相互作用、环境变化和进化。通过模拟黏菌行为的物理实验，展示了固定和移动生物之间的竞争、资源消耗和恢复循环以及多样化生物之间的共生关系。同时提出未来研究工作的设想，通过多尺度复杂性和多样性的度量来发现模拟参数。Coralai 的代码可在该 URL 获取，视频演示可在该 URL 获取。

    Jun, 2024

  • 神经元细胞自动机可以响应信号

    本文介绍了神经细胞自动机（NCAs）作为人工形态发生模型的发展，并展示了 NCAs 对于内部和外部信号的反应能力，能够通过内部信号生长出多种形态， 通过外部信号改变颜色，并为将动态行为嵌入 NCA 模型打下基础。

    May, 2023

  • 用多样的神经元元胞自动机来生成关卡

    该研究采用品质多样化的方法生成多样性神经细胞自动机（NCA）集合来设计视频游戏关卡，使用协方差矩阵适应性 MAP-Elites （CMA-ME）训练生成器以高效生成 NCA，并将其应用于几种 2D 瓷砖风格的视频游戏中。

    Sep, 2021

  • 通过神经元细胞自动机实现任意可伸缩的环境生成器

    通过使用 QD 算法优化神经元细胞自动机（NCA）环境生成器，我们展示 NCA 环境生成器在两个不同领域的多机器人系统中的可扩展性以及将单代理强化学习策略扩展到任意大的环境。

    Oct, 2023

  • 智慧生命的游戏

    这篇论文介绍了神经元细胞自动机的概念，并探讨了其与卷积神经网络相结合在预测机器方面的应用，以及通过计算每个单元的适应性分数和随机性移动来优化神经元自动机。

    Jan, 2023

  • 神经细胞自动机黏菌中的新兴智能

    本文介绍 EINCASM，一个采用新框架的原型系统，用于研究类似史莱姆菌的生物中出现的智能。该框架基于神经元细胞自动机，通过最大化细胞生长来控制营养和能量成本。这些生物利用物理模拟的流体来运输营养和化学信号，并在复杂、多变的环境中进行生长和适应。我们的框架为研究拼图、物理、通信、竞争和动态开放环境如何促进智能行为的出现建立了基础。我们提出了在这些生物中测试智能的初步方法，并建议未来的工作：使用 EINCASM 来更好地理解分布式动力系统中的智能行为。

    May, 2023

  • 神经元元胞自动机中的新兴动力学

    我们研究了神经元元胞自动机（NCA）模型的架构与其所产生的动态图案之间的关系，并发现 NCA 输出的紧密度和比例性与架构的两个变量之间存在强相关性，因此我们提出了用于创建动态 NCA 的设计原则。

    Apr, 2024

  • 使用多样性搜索在细胞自动机中发现感觉运动代理

    研究人工生命领域探讨计算机模拟中类似生命的现象，如自我组织、自主性或自我调节。本文利用机器学习的最新进展，结合多样性搜索、课程学习和梯度下降等算法，自动搜索能够与外部障碍物相互作用并保持完整性的局部结构，即原始形式的感知运动机制。我们展示了这种方法能够系统地找到导致基本机制自组织的细胞自动机环境条件，并通过多个实验证明了发现的个体在移动、保持身体完整性和穿越障碍物方面具有出乎意料的稳健能力，同时还表现出强大的泛化能力，在训练期间没有看到的尺度变化、随机更新或环境干扰方面具有鲁棒性。我们讨论了这种方法在人工智能和合成生物工程领域的新视角。

    Feb, 2024