趋同功能，发散形态
机器人学
2025-11-17 v2
摘要
我们引入了 LOKI，这是一个计算高效的框架，用于协同设计能够泛化到未见任务的形态和控制策略。受生物学适应的启发——动物能迅速适应形态变化——我们的方法克服了传统进化算法和质量-多样性算法的低效性。我们提出学习趋同功能：在学习的潜在空间中，跨形态相似设计聚类训练共享控制策略，从而大幅降低每个设计的训练成本。同时，我们通过用动态局部搜索替代变异来促进发散形态，实现更广泛的探索并防止过早收敛。策略重用使我们能够使用减少 78% 的模拟步数和减少 40% 的每个设计计算量，探索多 780 倍的设计。局部竞争与更广泛的搜索相结合，产生了一组多样化的高性能最终形态。使用 UNIMAL 设计空间和地形平坦的移动任务，LOKI 发现了丰富多样的设计——从四足动物到螃蟹、双足动物和旋转体——远比先前工作产生的更加多样化。这些形态在敏捷性、稳定性和操作领域也能更好地迁移到未见下游任务（例如，在颠簸和推箱子斜坡任务上奖励高出 2 倍）。总体而言，我们的方法产生的设计既多样化又具有适应性，且样本效率显著高于现有的协同设计方法。（项目网站：https://loki-codesign.github.io/）
引用
@article{arxiv.2505.21665,
title = {Convergent Functions, Divergent Forms},
author = {Hyeonseong Jeon and Ainaz Eftekhar and Aaron Walsman and Kuo-Hao Zeng and Ali Farhadi and Ranjay Krishna},
journal= {arXiv preprint arXiv:2505.21665},
year = {2025}
}