基于脉冲神经网络的群体智能体控制器

数百美元的 swarm drone 能在特定区域盘旋，但蚊子几乎不值钱。为了控制低成本机器人的 swarm，研究者可能需要数百小时构思机器人配置和策略，“有机”地创建无需昂贵传感器和感知的行为。现有研究探索了仅具备二值传感器和简单手选控制结构的机器人 swarm 中可能的涌现行为。即便在这高度受限的感知、执行和计算能力类别中，代理人也能表现出聚集、磨圆和扩散等相对复杂的全局行为，但 finding 使这些涌现行为实现的局部交互规则仍是一个重大挑战。本文研究了使用进化算法训练脉冲神经网络以发现导致特定涌现行为的局部交互规则的可行性。本文聚焦于模拟一种已知可使用极简单二值感知和行动代理人实现的特定磨圆行为。为此，我们使用进化算法不仅演化脉冲神经网络的参数（权重、偏置和延迟），还演化其结构。作为基准，我们还展示了对现任手选二值控制结构参数进行进化搜索策略。我们的仿真显示，脉冲神经网络可以在二值感知代理人中演化出磨圆行为。