涌现式进化课程中的迁移动态
人工智能
2022-03-22 v1 机器学习
神经与进化计算
摘要
PINSKY 是一个通过基于游戏的领域中的神经进化进行开放式学习的系统。它建立在配对开放式开拓者（POET）系统之上，后者最初探索了双足行走器的学习与环境生成，并将其适配到通用视频游戏 AI（GVGAI）系统中的游戏。先前的工作表明，通过共同进化关卡与神经网络策略，可找到仅通过优化无法创建成功策略的关卡。在人工生命领域作为基于梯度的适应度的潜在开放式替代方案被研究的最小准则（MC）基于的选择，有助于促进进化种群的多样性。本文解决的主要问题是开放式学习实际如何运作，特别关注策略从一种进化分支（“物种”）向另一种迁移的作用。我们通过构建系统发育树、分析策略的进化轨迹，以及按物种类型对迁移进行时间分解，来分析系统动态。此外，我们分析了最小准则对生成的关卡多样性与物种间迁移的影响。最具洞察力的发现是：物种间迁移虽然罕见，但对系统的成功至关重要。
引用
@article{arxiv.2203.10941,
title = {Transfer Dynamics in Emergent Evolutionary Curricula},
author = {Aaron Dharna and Amy K Hoover and Julian Togelius and L. B. Soros},
journal= {arXiv preprint arXiv:2203.10941},
year = {2022}
}
备注
14 pages, 9 figures, published in IEEE Transaction on Games