进化脑-身体联合优化持续失败：无法选取形态潜能

尽管近年来社区对脑-身体联合优化问题越来越感兴趣，但该问题仍然具有挑战性。为此，我们提出了对形态-适应度景观进行彻底映射，以理解并克服这些挑战。为此，我们对设计空间中每一种可行形态的控制器进行训练，该设计空间包含 1,305,840 个不同的形态，受计算预算约束。首先，我们表明，该设计空间是一个很好的模型，用于研究脑-身体联合优化问题，且我们对其进行彻底映射的尝试大致捕捉了该景观。随后，我们分析在该设计空间中，如何进行进化脑-身体联合优化算法。形态-适应度景观的完整知识有助于更好地理解进化脑-身体联合优化算法的结果，以及它们如何在形态空间中随着演化时间的推移展开。本次调查表明，实验中的算法无法 consistently（持续）找到接近最优的解。搜索时，有时会卡在离更好的形态仅一步突变之远的形态上，算法无法有效地在形态-适应度景观中跟踪适应度梯度。我们提供证据表明，实验中的算法定期低估了新突变体 individuals（个体）的适应度，从而在演化过程中消除有前景的形态。我们的工作提供了脑-身体联合优化挑战的最具体阐述。我们的发现为文献中的趋势提供了依据，并为未来工作提供了宝贵的见解。