面向模拟器下水微型机器人演化的最优生存策略

软体机器人可依赖于多个参数表现出不同的运动模式，这些运动模式在数值建模方面往往难以处理。因此，在以低雷诺数为特征的小尺度系统中，尤其是在多种气动和水动力学过程影响其运动时，提高其性能就变得复杂。本文通过将实验结果（测量的游泳速度）作为适应度函数，应用于两种进化算法：粒子群优化和遗传算法，对光驱动的毫米尺度下水游泳器的运动方式进行优化。由于不同特征的软体光驱动机器人可以快速制造，因此它们为优化实验提供了绝佳平台，可通过大量竞争性机器人在连续代际中提高游泳速度。有趣的是，正如在自然演化中一样，意想不到的基因组合导致了令人惊讶的良好结果，包括八倍速度提升或发现一种自激振荡的下水运动模式。