ECo-MoE: 身体条件付き混合エキスパートによるロボットの進化可能性の向上

本論文は、ロボットの進化と学習を同時に最適化するモデル「ECo-MoE」を提案する。潜在設計ベクトル（genotype）の分布と、制御エキスパートの混合（neural modules）を共最適化し、各デコードされた設計（phenotype）の潜在座標によってゲート制御する。これにより、個々のロボットごとにポリシーを訓練する非効率性や、全ロボットに単一の万能コントローラを訓練する保守性を回避し、統一されつつモジュール化されたフレームワークで祖先の知識を保持する。異なる身体計画が異なる学習済みセンサ運動回路の組み合わせを活性化/非活性化し、目的指向行動を実現する。

先行のco-designアルゴリズムは、各ロボットに個別ポリシーを訓練する（非効率）か、全ロボットに単一の万能コントローラを訓練する（過度に保守的な構造と行動）かの両極端だった。ECo-MoEはその中間に位置し、統一されつつモジュール化された枠組みで祖先知識を保持する。これにより、新しい設計種が出現するにつれてコントローラの一部をオーバーホールしても、他のエキスパートモジュール内の苦労して得た知識を破壊しない。また、事前訓練済みエキスパートポリシーを混合に直接プラグインでき、進化を潜在空間の未探索領域へ誘導できる。

技術の肝は、潜在設計ベクトル（genotype）の分布と制御エキスパートの混合（neural modules）を共最適化する点にある。各デコードされた設計（phenotype）の潜在座標がゲートとなり、異なる身体計画に応じて異なる学習済みセンサ運動回路の組み合わせを活性化/非活性化する。これにより、モジュール化された知識保持と、事前訓練済みエキスパートポリシーの直接プラグインが可能になる。このプロセスを「evo by demo」と呼び、事前訓練モデルが定義する正準構造へ自由進化を誘導する方法を探る。

要旨からは不明。ビデオとコードが https://eco-moe.github.io で公開されていると述べられているが、具体的な検証方法や実験結果は要旨に記載されていない。

要旨からは不明。議論や限界については言及されていない。

要旨で参照/比較されている研究は、co-designアルゴリズム（個別ポリシー訓練、単一の万能コントローラ）や、事前訓練済みエキスパートポリシーをプラグインする手法。関連手法として、mixture of experts、evolution and learning in robots、latent design vectors、genotype-phenotype mappingなどが挙げられる。具体的な論文名は要旨に無いため、同分野の定番としてco-designやevolutionary roboticsの文献を読むべき。