通过广度优先搜索与随机查询探索机器人形态空间
机器人学
2023-09-27 v1 人工智能
机器学习
摘要
进化机器人学为设计和演化机器人形态提供了强大框架，尤其在模块化机器人背景下。然而，在基因型到表型映射过程中查询机制的作用在很大程度上被忽视。本研究通过对模块化机器人脑体协同进化中查询机制的比较分析来填补这一空白。使用两种不同查询机制——广度优先搜索（BFS）和随机查询（Random Query），在利用 CPPN 演化机器人形态及利用张量演化机器人控制器的背景下，并在拉马克式和达尔文式两种进化框架中测试，本研究考察了它们对进化结果与性能的影响。研究结果表明了两种查询机制对模块化机器人本体（包括形态智能、多样性与形态特质）进化与性能的影响。本研究指出 BFS 在生成高性能机器人方面更高效且更有效。研究还揭示，起初 BFS 的机器人多样性高于随机查询，但在拉马克式系统中其下降更快，收敛至更优设计；而在达尔文式系统中，BFS 导致了更高的终程多样性。
引用
@article{arxiv.2309.14387,
title = {Exploring Robot Morphology Spaces through Breadth-First Search and Random Query},
author = {Jie Luo},
journal= {arXiv preprint arXiv:2309.14387},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2303.12594. substantial text overlap with arXiv:2309.13099