在软张拉整体模块化机器人的形态与控制协同进化中寻求质量多样性
机器人学
2021-04-27 v1 神经与进化计算
摘要
由于形态与控制器之间非平凡的相互作用，设计最优的软模块化机器人十分困难。进化算法（EAs）结合物理模拟器是克服该问题的有效工具。在本工作中，我们研究算法解决方案，以提升张拉整体软模块化机器人（TSMRs）在两项机器人任务（即目标到达与穿过狭窄通道）上协同进化设计的质量多样性（Quality Diversity）。为此，我们使用三种不同的 EAs，即 MAP-Elites 与两种自定义算法：一种基于生存性进化（ViE）与 NEAT（ViE-NEAT），另一种名为双图 MAP-Elites（DM-ME），旨在协同进化机器人形态与基于神经网络（NN）的控制器时寻求多样性。具体而言，DM-ME 扩展了 MAP-Elites，其使用分别对应于形态与控制器的两个不同特征图，并集成了一个自动定义 NN 相关特征描述符的机制。就适应度而言，在目标到达任务中 ViE-NEAT 优于 MAP-Elites 且与 DM-ME 结果相当。而在以特征空间“照亮”度衡量的多样性方面，DM-ME 在两项任务上均优于另外两种算法，提供了更丰富的可能机器人设计池，而 ViE-NEAT 在目标到达上表现出与 MAP-Elites 相当的性能，尽管其未利用任何地图。
引用
@article{arxiv.2104.12175,
title = {Seeking Quality Diversity in Evolutionary Co-design of Morphology and Control of Soft Tensegrity Modular Robots},
author = {Enrico Zardini and Davide Zappetti and Davide Zambrano and Giovanni Iacca and Dario Floreano},
journal= {arXiv preprint arXiv:2104.12175},
year = {2021}
}
备注
To be published in the proceedings of ACM Genetic and Evolutionary Computation Conference (GECCO) 2021