以演化可塑神经控制器跨越现实鸿沟
机器人学
2020-05-11 v2 神经与进化计算
摘要
演化机器人学中的一个关键问题是将仿真中学习的控制器迁移到现实。对于小型无人机(UAV)而言尤为如此，因为此类平台高度动态且易受损。以往方法常需要高精度的仿真模型，否则当设计良好的控制器部署到目标平台时可能出现显著误差。此处我们试图从另一视角克服迁移问题：设计一种利用突触可塑性通过在线适应跨越现实鸿沟的脉冲神经控制器。通过一组实验，我们表明演化得到的可塑脉冲控制器能够通过自我适应演化训练后发生的模型变化来维持其功能，从而表现出优于其非可塑对应物的性能。
引用
@article{arxiv.2002.09854,
title = {Towards Crossing the Reality Gap with Evolved Plastic Neurocontrollers},
author = {Huanneng Qiu and Matthew Garratt and David Howard and Sreenatha Anavatti},
journal= {arXiv preprint arXiv:2002.09854},
year = {2020}
}
备注
GECCO2020