Eine Untersuchung der Faktoren, die die evolutionären Dynamiken bei der gemeinsamen Evolution von Roboterkörper und -steuerung beeinflussen

In der evolutionären Robotik ist die gemeinsame Optimierung des Designs und der Steuerung von Robotern eine herausfordernde Aufgabe aufgrund der enormen Komplexität des Lösungsraums, der durch die möglichen Kombinationen von Körper und Steuerung gebildet wird. Wir konzentrieren uns auf die Evolution von Robotern, die physisch erstellt werden können, anstatt nur simuliert zu werden, in einem reichen morphologischen Raum, der ein voxelbasiertes Chassis, Räder, Beine und Sensoren umfasst. Einerseits bietet dieser Raum einen hohen Grad an Freiheit in der Auswahl der produzierbaren Roboter, während er andererseits eine Komplexität einführt, die in früheren Arbeiten zum Abgleichen von Steuerungen mit Designs und zur Entwicklung von geschlossenen Regelkreisen selten behandelt wurde. Dies wird normalerweise dadurch angegangen, dass die Evolution mit einem Lernalgorithmus ergänzt wird, um Steuerungen zu verfeinern. Obwohl mehrere Rahmenbedingungen existieren, haben nur wenige die Rolle der evolutionären Dynamik der verflochtenen `Evolution+Lernen' Prozesse untersucht, um leistungsstarke Roboter zu realisieren. Wir führen eine eingehende Studie zu den Faktoren durch, die diese Dynamik beeinflussen, insbesondere: synchrone vs. asynchrone Evolution; der Mechanismus zum Ersetzen von Eltern durch Nachkommen und die Belohnung von zielorientierter Fitness vs. Neuheit durch Selektion. Die Ergebnisse zeigen, dass Asynchronität in Kombination mit zielorientierter Selektion und einer `schlechtesten ersetzen'-Strategie die höchste Leistung erzielt.