Karl Sims - 进化的虚拟生物,进化模拟,1994
Karl Sims - Evolved Virtual Creatures, Evolution Simulation, 1994
频道:MediaArtTube · 时长:4:09 · 发布:2008-12-06 · 播放:797860
简介
Karl Sims 1994 年展示的进化虚拟生物:块状身体的生物,其身体和控制器通过选择、突变和重组进化,以游泳、行走和竞争。
HN 为什么推荐
HN 将其视为进化模拟和遗传编程的经典参考,激励了许多项目,并指出进化会利用模拟漏洞。
我记得曾对那篇论文着迷 — HN, 2021
机器学习与深度学习 · 创意编程与生成艺术 · 进化与遗传学
中文字幕节选
这个演示展示了在模拟物理环境中进化出执行特定 任务的虚拟生物,游泳速度被用来决定 生存。大多数生物是独立进化的结果,有些发展出了 与现实生活相似策略。一旦它们进化完成,就可以在 同一环境中模拟出这些生物的多个副本。接下来 下一组生物是为了在模拟的陆地环境中移动的能力而进化的 这个环境具有重力和摩擦力,一些仅由两个部分组成的简单方案被 发现,有些似乎还需要一些辅助,而另一些则相当 高效,比如这里这种类似划船的行为,这是前一个的奇怪表亲, 一次突变导致它翻滚,一些生物进化出了 将接触传感器纳入其控制系统,这里是另一个 像尺蠖一样的生物,倾向于绕圈移动,这实际上是一个最初 为在水中游泳能力而进化的生物,后来被放到陆地上并进一步进化 由此产生了成功的侧向蜿蜒能力,这里有一个采用跳跃风格的生物, 其手臂上的突起似乎有助于防止它翻倒,这是 实际上最快的一个,具有成功的疾驰般步伐,这一组是为 它们的跳跃能力而进化的,这一组是为它们自适应跟随 红色光源的能力而进化的,由此产生的生物现在正与用户互动,用户 正在移动光源,而生物则做出相应行为,这个似乎胡乱 摆动,但不知何故仍能接近光源,也许它本意是移动 目标在它到达时就移开了,这里有一个长着类似螺旋桨鳍的生物,这些鳍 会根据光的方向而倾斜,它能够自适应地向上或向下游动 非常出色。最后这一组生物是为了争夺 绿色立方体控制权的能力而进化出来的。在模拟结束时离立方体最近的生物 就是赢家。这里首先出现了一种简单地向立方体 翻滚过去的策略,然后有一个学会了阻挡 对手,但后来有一个学会了通过爬过去来克服障碍 有些把对手压制住,有些用保护性的 手臂盖住立方体,其他的则干脆展开到立方体上。一个策略的成功往往高度 取决于对手。这里有一个打冰球式的生物,它把立方体 带走并以巨大优势获胜。这里有两种相似的冰球策略在较量 伴随着恰当的 手势。这个像螃蟹一样的生物走路很好,但常常会走过立方体, 反而似乎更喜欢痛打它的对手,靠着 手臂。螃蟹似乎只是走 开了。一个成功的策略是这种双臂技术,它迅速从侧面 扫过来,把立方体移到第二条手臂上。这些是 总体最佳生物之间 竞赛的最后几轮。最后,探索者手臂对阵侧扫者,但立方体就是够 不着。
HN 上的讨论
同样相关的还有Karl Sims的《进化虚拟生物》:[VIDEO] 不确定它们之间有什么联系,但我记得我对那篇论文非常着迷,并在研究生项目中用2D重新实现了它。 — ehsankia, 2021-06
像进化虚拟生物这样的东西会是一个有趣的(尽管相当雄心勃勃的)补充[1]。有一个名为sticky feet的Processing 2D虚拟生物模型[2](源代码可用),也许可以很快移植到js。[1] [VIDEO] [2] [LINK] — jal278, 2014-06
我认为在这个意义上,进化不是一个无方向的过程,因为它是一个优化过程,优化以创建更多的自身副本。超级智能可能会使用一些进化计算(见 en.wikipedia.org/wiki/Evolutionary_computation)。另见 90 年代 Karl Sims 的“生物”:[VIDEO] 或 OpenAI 的多智能体捉迷藏:youtube.com/watch?v=kopoLzvh5jY — HaukeHi, 2022-03
文章中关于“惊喜”的哲学讨论对我来说感觉有点笨拙和学术化,我认为它混淆了几种不同的惊喜,但思考起来仍然很有趣。这里的许多项目都受到Karl Sims在90年代早期工作的启发。[LINK] Sims通过指定要实现的目标,然后运行物理模拟来进化虚拟生物。他当时指出,进化过程非常擅长利用模拟中的漏洞。[VIDEO] 我受到Sims的遗传图像的启发([LINK]),以至于我花了几年时间试图自己得到令人惊讶和美丽的结果,并取得了一些有限的成功([LINK])。 — dahart, 2018-03
我之前没有,谢谢你的提示!我已经有一段时间没有玩这些东西了,但我可能得弄一份来探索一下。我在音频圈听说过MetaSynth。我不确定,但ArtMatic网站上的图像和视频(在我看来)非常受Karl Sims作品的启发和影响,而Karl Sims是我项目背后的主要灵感来源...[LINK] 你也可以在YouTube上找到他的一堆视频。[LINK] [LINK] [LINK] [VIDEO] — dahart, 2017-11
相关视频
- 编码冒险:蚂蚁与黏菌模拟 · Sebastian Lague · 17:53
- 探测引力波的荒谬之处 · Veritasium · 9:07
- YouTube的版权系统没坏,坏的是这个世界 · Tom Scott · 42:29
- GDC 2018:John McDonald(Valve)—— 使用深度学习打击 CSGO 中的作弊行为 · max4warn · 1:05:32
- David Beazley - 从零开始构建Lambda演算 - PyCon 2019 · PyCon 2019 · 3:26:34
- 《塞尔达传说:时之笛》速通 22:38,AGDQ2013 现场 · CosmoSpeedruns · 24:55
- 神经网络和反向传播的详细入门:构建micrograd · Andrej Karpathy · 2:25:52
- 8位与“8位风格”图形——跳出框框 · GDC Festival of Gaming · 1:25:34
- 但什么是神经网络?| 深度学习第一章 · 3Blue1Brown · 18:40
- Rgba 与 TBC 的 elevated | 4k intro(FullHD 1080p 演示场景 demo) · Demoscene High-Quality Videos (Annikras) · 3:36
- AlphaGo - 电影 | 完整获奖纪录片 · Google DeepMind · 1:30:28
- Transformer,LLM 背后的技术 | 深度学习第 5 章 · 3Blue1Brown · 27:14
- 用数学绘制角色 · Inigo Quilez · 24:46
- USENIX Security '18-Q:为什么主题演讲者不断建议改进安全性是可能的? · USENIX · 51:22
- 第一讲 | 机器学习(斯坦福) · Stanford · 1:08:40
- MarI/O - 视频游戏机器学习 · SethBling · 5:57