进化机器人学中行为特征的系统化推导
神经与进化计算
2017-03-14 v1 多智能体系统
机器人学
摘要
由行为多样性驱动的进化技术（如新颖性搜索）在进化机器人学中显示出巨大的潜力。这些技术依赖于预先指定的行为特征来估计个体之间的相似性。特征通常基于实验者对任务的直觉和知识以特设方式定义。或者，也可以使用基于代理传感器 - 效应器值的通用特征。在本文中，我们提出了一种新方法，允许基于代理及其环境的形式化描述，系统化地推导进化机器人学的行为特征。系统化推导的行为特征（SDBCs）超越了通用特征，因为它们可以包含与代理内部状态、环境特征及其相互关系相关的特定任务特征。我们在三个模拟集体机器人任务中利用新颖性搜索评估了 SDBCs。我们的结果表明，就解决方案质量和行为空间探索而言，SDBCs 产生的性能与特定任务特征相当。
引用
@article{arxiv.1407.0577,
title = {Systematic Derivation of Behaviour Characterisations in Evolutionary Robotics},
author = {Jorge Gomes and Pedro Mariano and Anders Lyhne Christensen},
journal= {arXiv preprint arXiv:1407.0577},
year = {2017}
}
备注
To appear in 14th International Conference on the Synthesis and Simulation of Living Systems (ALife 14)