塑造天然植物的机器人：生物混合系统建模与控制的机器学习方法

生物混合系统——自然生物体与技术的紧密耦合——具有巨大潜力，但至今仍研究不足。在现有工作中，机器人主要影响动物群体的行为。我们探索将机器人与天然植物相结合的可能性，以融合二者有用的特性。通过结合植物高效产生成型材料的能力和机器人扩展感知与决策行为的能力，产生了显著的协同效应。然而，对机器人进行编程以控制植物的运动和形态，需要对复杂的植物行为有充分的了解。因此，我们使用机器学习来创建整体植物模型并演化机器人控制器。我们选择避障作为基准任务。我们使用计算机视觉，通过训练 LSTM 网络来构建植物茎干硬化与运动动力学模型。该 LSTM 网络作为预测植物变化的前向模型，驱动神经网络机器人控制器的演化。演化出的控制器增强了植物天然的寻光和组织硬化行为，以避开障碍并生长出期望的形态。我们在物理装置和真实植物的实际环境中，成功验证了机器人控制器和生物混合行为。