XiaoMi-AI文件搜索系统
World File Search SystemCPPN
评估结合进化和学习在复杂形态空间中设计机器人的框架
摘要 - 已知机器人的身体和大脑都恰当地优化了一个具有挑战性的任务，尤其是当2尝试在仿真中发展设计时，随后将在现实世界中构建3个。为了解决这个问题，将进化与学习算法相结合的是，5可以改善新后代6的遗传控制器6，从而将它们调整为新的身体设计，或者从头开始学习7。在本文中提出了一种方法，其中8个机器人是通过在单个基因组中编码的两个组成模式9产生网络（CPPN）间接指定的，一个编码大脑和另一个身体。基因组的身体11部分是使用进化算法12（ea）进化的，具有单独的学习算法（也是EA）13应用于遗传控制器以改进其。本文的目标14是确定如何利用15
使用视觉语言模型导航神经领域
生成艺术是计算机科学领域的持久纪律，传统上采用了各种各样的创造性实现。但是，如果我们在没有辨别的眼睛的情况下查看当前的生成艺术景观，那么技术和方法的范围可能看起来很平坦，只有扩散模型，LLM和它们的洛拉斯才能看到。在这项工作中，我们旨在展示一种较旧的图像生成技术的变体，该技术可以创建引人注目的视觉艺术，而无需依靠训练数据，详尽的计算或狭义的先验。具体来说，我们重新访问了CPPN - 纳特算法，并将其重新处理以更适合当前的生成模型工作流程。而不是进化增强，我们会生成随机瓦特斯 - 图氏图，将它们转换为神经场，并以任意分辨率生成所得图像。我们通过使用离式VLM来获得高质量的样本，以在生成的示例之间进行成对选择。选择了多个回合的图像以进行最终的人类审查。此自动化过程很简单，并允许我们在消费者台式机上快速，轻松地生成12000px x 12000px图像，这种样式不同于公开可用的图像生成模型。