Time to Play: 模拟早期生命动物动力学增强机器人运动技能发现
神经与进化计算
2025-09-16 v1 机器人学
摘要
身体形态的发育变化深刻影响着动物的运动方式，但人工体和机器人通常在静态物理参数下进行训练。受生物学中个体发生肌肉功率标度的启发，我们提出了 Scaling Mechanical Output over Lifetime（SMOL），一种新颖的课程策略，通过动态调节机器人执行器力矩来模拟生长和衰老过程中功率-重量比的自然变化。将 SMOL 集成到 MAP-Elites 质量多样性框架中，我们在标准机器人任务中变化力矩，以模拟动物成长过程中及身体变化时力量的演化。通过全面的实证评估，我们表明 SMOL 调度策略通过允许智能体在早期利用有利的物理条件来发现可作为最终达到标准身体属性时踏脚石的技能，一致地提升了各种控制场景下运动行为的表现和多样性。基于人类总功率输出的研究，我们还实现了 SMOL-Human 调度策略，用于建模由非线性变化（如青春期）引起的等长身体变化，并研究其对机器人运动的影响。
引用
@article{arxiv.2509.11755,
title = {Time to Play: Simulating Early-Life Animal Dynamics Enhances Robotics Locomotion Discovery},
author = {Paul Templier and Hannah Janmohamed and David Labonte and Antoine Cully},
journal= {arXiv preprint arXiv:2509.11755},
year = {2025}
}