在 NEAT 中使用门控循环单元演化室内导航策略
神经与进化计算
2019-04-15 v1
摘要
同步定位与建图（SLAM）算法在微型飞行器这类较小机器人平台上运行代价高昂。Bug 算法是一种替代方案，其使用相对较少的计算能力，并且通过不构建环境的显式地图来避免高内存消耗。Bug 算法在模拟和机器人迷宫求解领域中取得了相对良好的性能。然而，由于它们是手工设计的，一个自然的问题是它们是否为全局最优控制策略。在这项工作中，我们探索了神经进化——具体为 NEAT——在为执行广义迷宫导航的模拟差速驱动机器人演化控制策略方面的性能。我们扩展 NEAT 以包含门控循环单元（GRUs），从而帮助处理长期依赖。我们表明，NEAT 和我们的 NEAT-GRU 都能够重复生成在 209 个室内迷宫类环境测试集上优于 I-Bug（一种特别适合真实机器人使用的算法）的控制器。我们表明 NEAT-GRU 在此任务中优于 NEAT，并且还表明在这两个系统中，只有 NEAT-GRU 能够持续演化出针对更困难任务的成功控制器，该任务中不向智能体提供关于目标的方位信息。
引用
@article{arxiv.1904.06239,
title = {Evolving Indoor Navigational Strategies Using Gated Recurrent Units In NEAT},
author = {James Butterworth and Rahul Savani and Karl Tuyls},
journal= {arXiv preprint arXiv:1904.06239},
year = {2019}
}