形態進化ロボットにおける生涯学習手法の比較
Comparing lifetime learning methods for morphologically evolving robots
親の身体と脳の不一致を解消するため、誕生直後に脳を最適化する3つの学習アルゴリズムを効率・有効性・形態感度の観点で比較した。
著者: Fuda van Diggelen, Eliseo Ferrante, A. E. Eiben
分類: cs.RO, cs.NE
原文アブストラクト
Evolving morphologies and controllers of robots simultaneously leads to a problem: Even if the parents have well-matching bodies and brains, the stochastic recombination can break this match and cause a body-brain mismatch in their offspring. We argue that this can be mitigated by having newborn robots perform a learning process that optimizes their inherited brain quickly after birth. We compare three different algorithms for doing this. To this end, we consider three algorithmic properties, efficiency, efficacy, and the sensitivity to differences in the morphologies of the robots that run the learning process.
関連論文
- ゼロから進化する器用なロボット進化ロボティクス
- 適応的制御学習によるロボット形態進化ダイナミクスの形成進化ロボティクス
- VLMによる主観的評価を用いたアニマットの進化モデル進化ロボティクス
- ECo-MoE: 身体条件付き混合エキスパートによるロボットの進化可能性の向上進化ロボティクス
- 動的環境におけるラマルク的継承：進化ダイナミクスに影響を与える主要変数の解明進化ロボティクス
- 形態的新奇性の圧力下におけるラマルク進化の限界進化ロボティクス
