Learning from Evolution: Improving Collective Decision-Making Mechanisms using Insights from Evolutionary Robotics

要約

集団的意思決定は、実環境においてマルチロボットシステムが自律的に行動することを可能にする。既存の集団的意思決定機構は、いわゆる速度対精度のトレードオフに悩まされたり、グローバル通信を含むなどして高い複雑性に依存している。最近の研究では、進化計算の手法を用いて、人工ニューラルネットワークに基づくより効率的な集団意思決定メカニズムを生成できることが示されている。これらの意思決定ニューラルネットワークの大きな欠点は、解釈可能性が限られていることである。進化した意思決定メカニズムを解析することで、より高い解釈可能性を維持しながら、手作業でコード化された意思決定メカニズムの効率を向上させることができる。本稿では、進化した集団的意思決定機構を詳細に解析し、得られた知見に基づいて2つの新しい意思決定機構をハンドコーディングする。ベンチマーク実験において、新たに実装した集団的意思決定機構が、最先端の集団的意思決定機構である投票者モデルと多数決よりも効率的であることを示す。

要約(オリジナル)

Collective decision-making enables multi-robot systems to act autonomously in real-world environments. Existing collective decision-making mechanisms suffer from the so-called speed versus accuracy trade-off or rely on high complexity, e.g., by including global communication. Recent work has shown that more efficient collective decision-making mechanisms based on artificial neural networks can be generated using methods from evolutionary computation. A major drawback of these decision-making neural networks is their limited interpretability. Analyzing evolved decision-making mechanisms can help us improve the efficiency of hand-coded decision-making mechanisms while maintaining a higher interpretability. In this paper, we analyze evolved collective decision-making mechanisms in detail and hand-code two new decision-making mechanisms based on the insights gained. In benchmark experiments, we show that the newly implemented collective decision-making mechanisms are more efficient than the state-of-the-art collective decision-making mechanisms voter model and majority rule.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL