演化群机器人学的通用行为相似性度量

新颖性搜索（novelty search）已被证明是演化群机器人控制器的一种有前景的方法。然而，在现有研究中，实验者必须构建特定领域的行为相似性度量，以便在群机器人应用中利用新颖性搜索。对手工构建相似性度量的依赖给实验者带来了额外负担，并在演化过程中引入了偏差。在本文中，我们提出并比较了两种与任务无关的通用行为相似性度量：组合状态计数和采样平均状态。所提出的度量利用了为群中每个个体机器人记录的传感器和执行器值。然后通过组合所有机器人的传感器 - 执行器值来获得群体层面行为的特征描述。我们在聚合任务和资源共享任务中评估了所提出的度量。我们表明，通用度量在解质量方面与特定领域度量的性能相当。我们的结果表明，所提出的通用度量可作为有效的行为相似性度量，并且无需构建特定领域的相似性度量即可利用新颖性搜索的优势。