利用代理辅助MAP-Elites探索生物微机器人集群的自组装行为
机器人学
2019-10-02 v1 神经与进化计算
摘要
分子机器人集群是一种通过自组装在微观尺度上创建特定形状的有前景的方法。然而，控制其行为是一个具有挑战性的问题，因为它涉及复杂的非线性动力学和高实验变异性。手工设计分子控制器通常耗时且结果次优。此前已采用bioNEAT算法等优化方法部分克服这些困难，但它们仍须应对欺骗性高维搜索空间与计算昂贵的模拟。本文我们描述一种利用MAP-Elites解决该问题的新方法，该算法同时搜索高性能与多样化解。我们将其应用于我们近期提出的、可在微尺度上感知、信号传递与自组装的分子机器人框架，并表明MAP-Elites优于先前方法。此外，我们提出微机器人物理与化学反应动力学的代理模型以降低模拟计算成本。我们表明，所得方法能够以仅一半计算预算优化出与仅使用完整逼真模型时精度相当的控制器。
引用
@article{arxiv.1910.00230,
title = {Exploring Self-Assembling Behaviors in a Swarm of Bio-micro-robots using Surrogate-Assisted MAP-Elites},
author = {Leo Cazenille and Nicolas Bredeche and Nathanael Aubert-Kato},
journal= {arXiv preprint arXiv:1910.00230},
year = {2019}
}
备注
In IEEE Symposium Series on Computational Intelligence (SSCI) 2019. Accepted to the IEEE ALIFE Conference 2019. 8 pages, 7 figures, 4 tables