Oct, 2023

有限能力机器人异构群体的行为探索方法研究

PDF
TL;DR通过大量的实验和消融分析，我们分析了不同表征、进化搜索和各种聚类方法在异构群体中寻找新行为的影响。我们的研究结果表明，先前的方法未能发现许多有趣的行为，而迭代人在环节的发现过程比随机搜索、群体化学和自动化行为发现方法发现了更多的行为。我们的实验中发现了 23 个新的紧急行为，其中 18 个是新发现。据我们所知，这些是首个已知的计算无关代理异构群体的紧急行为。
emergent behaviorsfunctionally heterogeneous swarmnovelty searchclusteringhuman-in-the-loop discovery process
发现论文，激发创造
  • 利用人类反馈在机器人群体中演化和发现新兴行为

    提出了一种利用自我监督学习和人机交互查询自适应用户偏好的相似度空间来探索并分类可能出现的集群行为的方法，并在两个机器人能力模型的模拟实验中测试，发现该方法比之前的工作更能发现出丰富的集群行为。

    Apr, 2023

  • 使用 NEAT 算法学习机器人群体的新兴行为

    通过进化算法训练分布式机器人群体算法以产生新兴行为，并在不同模式的操纵下进行了模拟实验和评估。

    Sep, 2023

  • 进化异质群体中专业集体行为的形成

    通过表型可塑性在模拟机器人群体中研究专门化的集体行为的出现，并设计了一种在线调节机制来增强整体性能和可扩展性。

    Feb, 2024

  • 受环境影响的演化群体具有有限感知能力的集体行为出现

    本文研究了机器人群体控制器的设计，并探索了一种进化方法来缓解人类开发者对控制器细节和群体行为之间联系的困难。使用微分进化来发展神经网络控制器，实现机器人遵循环境特征的梯度并解决任务。研究表明，进化所得解决方案在控制较差的情况下具有最大的灵活性，而有一个群体规模的 “甜蜜点”，同时观察到群体的集体运动，展示了真正的新兴行为，这是进化过程中未被代表和选择的。

    Mar, 2022

  • 从完整状态轨迹中发现无监督行为

    本文介绍了一种利用自主生成的行为特征描述模拟机器人环境中任务的质量 - 多样性（Quality-Diversity）算法，可以自主发现各种解决方案来处理导航、高速前进和半滚动任务。

    Nov, 2022

  • 适应不同觅食环境的人工学习智能体群行为发展

    应用投影模拟和强化学习方法研究了人工智能智能体在收集资源过程中不同集体运动模式和个体运动趋势

    Apr, 2020

  • 从群体视频观测中提取可理解控制器

    我们开发了一种方法，可以从视频演示中自动提取可理解的群体控制器，该方法使用进化算法根据比较高级别群体度量值的适应函数提取许多控制器，在收集运动任务中，并提供不同树导致的不同行为的定性分析，这是实现基于观察的群控器自动提取的第一步。

    Sep, 2022

  • 从观察中学习集体行为

    通过设计合适的损失函数，利用变分逆问题方法，我们提出了一系列学习方法，用于识别动态系统的结构，以了解相互作用代理系统中的新兴行为，能够有效处理高维观测数据，包括一阶和二阶动态系统的观测数据，考虑观测 / 随机噪声、复杂的相互作用规则、缺失的相互作用特征和实际世界观测，在学习方法中固有地提供了降维能力。

    Nov, 2023

  • 进化算法中新颖性的出现

    采用共享奖励系统鼓励多样性行为是避免进化算法陷入局部极小值的有效方法，用于解决迷宫问题和 Atari 游戏，相比 Novelty Search 方法，本文方法实现更简单且性能更好。

    Jun, 2022

  • 基于质量多样性优化的无监督行为发现

    该论文介绍了一种使用减少维度技术自动学习行为描述符的算法，可用于生成覆盖机器人大多数可能行为的控制器集合，其表现类似于传统的手动编码方法，但不需要提供任何手动编码的行为描述符。

    Jun, 2021