拉马克的复仇：习得性状的遗传可使机器人进化更优

进化机器人系统提供两大主要优势：一种借助进化优化开发机器人的先进途径，以及一个用于针对进化问题开展假想实验的特殊研究平台。我们的研究居于二者交汇处。我们探究如下问题：“若 18 世纪生物学家拉马克并非完全错误，且个体一生中习得的性状可通过遗传传给后代，将会怎样？”我们通过一个进化机器人框架的仿真来研究此议题，其中机器人的形态（身体）与控制器（大脑）可进化，且机器人亦能在生命周期内通过学习改善其控制器。在此框架中，我们比较了拉马克式系统（习得的大脑片段可遗传）与达尔文式系统（不可遗传）。基于这些系统的仿真分析，我们获得关于拉马克式进化动态及进化与学习交互的新见解。具体而言，我们表明拉马克主义放大了“形态智能”的涌现——即给定机器人身体通过学习获得良好大脑的能力，并辨识出这一成功的根源：“新生”机器人具有更高适应度，因其遗传的大脑比达尔文系统中的大脑更匹配其身体。