生成编码的可演化性特征：超越标准性能基准

演化机器人学是一种自主合成具有类似动物能力的机器的有前景方法，但该领域缺乏坚实的基础。特别是，演化系统目前仅通过其演化产物在特定任务上所能达到的适应度分数来评估，而此类基于适应度的比较对于同一系统在不同任务上的表现，及其响应适应度变化（例如，机器受损或处于新情境中）的适应能力，提供的见解有限。为克服这些局限，我们引入了“可演化性特征”的概念，该概念描绘了突变后行为多样性（突变后机器人行为有多大差异？）和适应度值（突变后适应度有多大差异？）的统计分布。我们通过使用五种不同的基因型到表型映射（直接编码、开环和闭环中枢模式发生器的生成编码、神经网络的生成编码以及单单元模式发生器（SUPG））演化六足机器人运动的控制器，测试了这一概念的相关性。我们观察到每种编码的可演化性特征与六足机器人从所受损伤中适应所需的世代数之间存在预测关系。我们的研究还揭示，在所研究的五种编码中，SUPG方案实现了最佳的可演化性特征，并且在机器人损伤后恢复有效步态方面始终表现最优。总体而言，我们的可演化性特征巧妙地补充了现有的任务性能基准，并为演化机器人学研究奠定更坚实的基础铺平了道路。