用于六足机器人步态生成的SCOPE方法

进化方法先前已被证明是六足机器人行走步态的有效学习方法。然而，随着输入空间变得更加复杂，这些算法进化出有效策略的能力会迅速下降。这种退化是由于参数数量增加以处理更复杂输入所导致的解空间指数级增长。为了应对这一挑战，我们引入了稀疏余弦优化策略进化（SCOPE）。SCOPE利用离散余弦变换（DCT）直接从输入矩阵的特征系数中学习。通过截断DCT返回的系数矩阵，我们可以在保留原始输入最高能量特征的同时降低输入的维度。我们通过使用SCOPE学习六足机器人的步态来证明该方法的有效性。六足机器人控制器接收一个包含先前姿态时间序列信息的矩阵输入，然后通过进化策略将其转换为步态参数。在此任务中，将SCOPE添加到参考算法中可使效率提高20%。SCOPE通过将时间序列姿态数据的总输入大小从2700减少到54（减少了98%）来实现这一结果。此外，SCOPE能够将输入压缩到任何输出形状，前提是每个输出维度不大于相应的输入维度。本文证明，SCOPE能够显著压缩进化控制器的输入大小，从而在效率上获得统计上显著的提升。