基于MAP-Elites的开放式环境和适应性智能体搜索
摘要：在现实世界中，生物不断面临前所未见的新挑战。他们通常需要适应并解决这些任务，以求生存。这个几乎无限的新挑战世界在虚拟环境中并不常见，其中人工进化代理通常只有一组有限的任务需要解决。开放性领域是个例外，其目标是建立对有趣的艺术品进行无限探索。我们希望更接近创造类似于多样化真实世界的模拟环境，其中代理能够找到可解决的任务并适应它们。通过使用MAP-Elites，我们创建一个结构化的副本，即一张地形和通过它们移动的虚拟生物的地图。通过在网格中使用新颖性作为一个维度，地图可以不断发展，鼓励探索新环境。代理必须适应找到的环境，但也可以在网格的每个单元中搜索适合他们技能的最佳环境。我们的方法将MAP-Elites的结构与开放式创新相结合，使虚拟生物能够使用相邻的单元格作为解决越来越困难的环境的跳板，从而进行无限搜索，但仍然具有明确的结构。我们发现，虽然手工制作的有界维度的地图可以更快地探索大量环境，但有界和无界的方法都能解决多样的地形。
作者：Emma Stensby Norstein, Kai Olav Ellefsen, Kyrre Glette
论文ID：2305.01153
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-05-03