神经进化算法在生物混合驱动器设计过程中的应用
机器人学
2024-08-15 v1
摘要
软体机器人区别于传统刚性机器人，在适应性、安全性和人机交互方面具有独特优势。在某些情况下，软体机器人可由生物混合驱动器驱动，而这些系统的设计过程远非简单。我们在此分析了两个可能辅助这些系统设计的算法，即 NEAT（NeuroEvolution of Augmented Topologies）和 HyperNEAT（Hypercube-based NeuroEvolution of Augmented Topologies）。这些算法利用通过神经网络编码的驱动器结构的进化。为评估这些算法，我们将它们与一种使用年龄适应度帕累托优化（AFPO）算法的类似方法进行了比较，重点评估所发现的生物混合形态所能达到的最大位移。此外，我们研究了针对这些形态的体积及其可覆盖距离进行优化的效果。为进一步加速计算过程，所提出的方法论在客户端-服务器设置中实现，因此最耗计算的任务可以在专用且高效的硬件上执行。结果表明，基于 HyperNEAT 的方法在识别体积最小但仍能达到满意位移目标的形态方面表现优异。
引用
@article{arxiv.2408.07671,
title = {NeuroEvolution algorithms applied in the designing process of biohybrid actuators},
author = {Hugo Alcaraz-Herrera and Michail-Antisthenis Tsompanas and Andrew Adamatzky and Igor Balaz},
journal= {arXiv preprint arXiv:2408.07671},
year = {2024}
}