Discovering Sensorimotor Agency in Cellular Automata using Diversity Search

这篇论文探讨了人工生命研究领域，研究生命类似的现象，例如自我生成、代理、或自我调节如何在计算机模拟中自组织。在元胞自动机（CA）中，一个关键的未解决问题是是否可能找到环境规则，从没有“身体”、“大脑”、“感知”或“行动”等事物的初始状态自组织出稳健的“个体”。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，自动搜索这些“个体”，即具有局部结构的物体，能够移动并具有对外部障碍物做出协调反应和保持完整性的能力，因此是感知运动代理的原始形式。我们表明，这种方法能够系统地发现在CA中导致这种基本代理形式自组织的环境条件。通过多次实验，我们展示了这些发现的代理具有出乎意料的强大能力，能够移动、保持身体完整性并穿越各种障碍。它们还表现出强大的泛化能力，对于训练期间未见的尺度变化、随机更新或环境干扰具有稳健性。我们讨论了这种方法如何为人工智能和合成生物工程开辟新的视角。

自动化寻找能够自组织形成具有基本感知运动机能的代理体的环境条件

利用机器学习算法结合多样性搜索、课程学习和梯度下降等技术，自动化搜索能够自组织形成具有基本感知运动机能的代理体的环境条件

通过多个实验，展示了发现的代理体具有出人意料的移动、维持身体完整性和在各种障碍物中导航的能力。同时展示了代理体具有强大的泛化能力，对于训练期间未见过的尺度变化、随机更新或环境干扰具有鲁棒性。

相关研究包括利用机器学习算法自动化寻找自组织的生命现象的研究，以及利用细胞自动机等模型研究自组织现象的研究。