首页/论文/0907.1839

arXiv 0907.18392009-07-10cs.NEcs.RO

双足步行动平衡的进化神经网络控制器

An Evolved Neural Controller for Bipdedal Walking with Dynamic Balance

Laboratories, Inc.（1859实验室公司）；Singular Robotics（奇异机器人公司）

Michael E. Palmer, Daniel B. Miller

备注：: 6 pages, 7 figures. In Proceedings of the Genetic and Evolutionary Computation Conference (GECCO) 2009, Montreal
发表信息：: Palmer, M.E. and Miller, D.B. An Evolved Neural Controller for Bipdedal Walking with Dynamic Balance. In Proceedings of the Genetic and Evolutionary Computation Conference (GECCO) 2009, Montreal, July 8-12, 2009

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

我们成功地发展了一个神经网络控制器，产生动态行走在一个模拟的双足机器人与顺应致动器，一个困难的控制问题。进化评估使用物理机器人的详细软件模拟。我们描述：1）一种新的理论方法，以鼓励人口发展“周围”的局部最优，它采用了多个demes和适应度函数的逐步增加的难度，和2）新的遗传表示的神经控制器。

英文摘要：

We successfully evolved a neural network controller that produces dynamic walking in a simulated bipedal robot with compliant actuators, a difficult control problem. The evolutionary evaluation uses a detailed software simulation of a physical robot. We describe: 1) a novel theoretical method to encourage populations to evolve "around" local optima, which employs multiple demes and fitness functions of progressively increasing difficulty, and 2) the novel genetic representation of the neural controller.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

机器人导航用进化反向传播神经网络控制器的泛化能力

On the Generalization Capability of Evolved Counter-propagation Neuro-controllers for Robot Navigation

Faculty of Engineering, Tel-Aviv University（以色列特拉维夫大学工程学院）

进化的反向传播神经控制器（CPNC），而不是传统的前馈神经控制器（FFNC），最近被建议和测试使用模拟机器人导航。结果表明，CPNC的收敛速度和最终性能均优于FFNC。在本文中，这两种类型的进化导航控制器的迷宫泛化功能进行了研究。为此，控制器在与用于其训练的环境截然不同的环境中进行测试。并将单目标和多目标演化方法的结果进行了比较。使用模拟案例研究，迷宫推广能力的进化CPNC突出在单目标和多目标的情况下。相比之下，进化的FFNC被发现在这两种方法中都缺乏这种能力。

2020-04-25cs.NEcs.RO

自主开源飞艇的进化神经形态雷达高度控制器

Evolved neuromorphic radar-based altitude controller for an autonomous open-source blimp

Delft University of Technology（代尔夫特理工大学）；Stichting IMEC Nederland（荷兰IMEC基金会）

机器人飞艇在安全性、机动性和延长飞行时间方面具有显著优势。然而，他们的高度限制性的重量约束提出了一个重大挑战，可用的计算资源来执行所需的控制任务。类脑计算是解决这类问题的一个很有前途的研究方向。脉冲神经网络（SNN）通过模仿神经元之间使用尖峰或脉冲传递信息的生物过程，实现了低功耗和异步事件驱动处理。在本文中，我们提出了一个进化的高度控制器的基础上SNN的机器人飞艇，它完全依赖于由机载雷达提供的传感器反馈。从一个轻量级的，低成本的，开源的飞艇的设计开始，我们还提出了一个基于SNN的控制器架构，一个进化的框架，用于在模拟环境中训练网络，和一个控制策略，用于改善与现实的差距。该系统的性能进行评估，通过真实世界的实验，通过比较它与人工神经网络和线性控制器，展示了我们的方法的优势。结果表明，一个有效的控制努力的高度命令的准确跟踪。

2022-03-07cs.NEcs.RO

一种逐步演化真实世界UAV控制器的方法

A Staged Approach to Evolving Real-world UAV Controllers

QCAT（昆士兰先进技术中心）

最近推出了一个测试平台，可以为任意悬停能力的无人机开发控制器，并直接在机器人上进行评估。为了准备现实世界的部署的测试平台，我们调查的影响，状态空间的限制所带来的物理系留（防止损坏的无人机在随机调整），进化的控制器的一般性。我们确定在一些控制器的泛化问题，并提出了一种改进的方法，包括两个阶段：在第一阶段，控制器是正常的使用标准系绳，但实验终止时，人口显示基本的飞行能力。然后，优化在限制性小得多的系绳上继续，有效地自由飞行，并被允许探索更大的状态空间包络。我们比较了这两种方法的悬停任务，使用一个真正的无人机，并表明，更一般的解决方案，在更少的代使用两阶段的方法。二次实验进行了灵敏度分析的进化控制器。

2019-05-26cs.NEcs.RO

用进化的可塑性神经控制器跨越现实鸿沟

Towards Crossing the Reality Gap with Evolved Plastic Neurocontrollers

The University of New South Wales Canberra（新南威尔士大学堪培拉分校）；CSIRO（联邦科学与工业研究组织）

进化机器人的一个关键问题是将在模拟中学习的控制器转移到现实中。这对于小型无人机（UAV）来说尤其如此，因为平台具有高度动态性并且容易损坏。以前的方法通常需要具有高精度的仿真模型，否则当将精心设计的控制器部署到目标平台上时可能会出现重大错误。在这里，我们试图从一个不同的角度来克服转移问题，通过设计一个尖峰神经控制器，使用突触可塑性，通过在线适应跨越现实的差距。通过一组实验，我们表明，进化的塑料尖峰控制器可以保持其功能，通过自适应模型的变化后发生的进化训练，从而表现出更好的性能比非塑料对应。

2020-05-08cs.NEcs.RO

五连杆双足步行机构控制的中心模式发生器的演化

Evolution of central pattern generators for the control of a five-link bipedal walking mechanism

Chalmers University of Technology（查尔姆斯理工大学）

中枢模式发生器（centralpatterngenerators，CPG）是一种用于产生节律性运动的神经网络，其研究基础是神经生理学。虽然CPG越来越多地用于机器人控制，但大多数应用程序都是针对特定任务进行手动调整的，并且在该领域中公认缺乏用于为给定任务创建单独网络的通用方法和设计原则。本研究提出了一种方法，其中CPG网络的连通性和振荡参数是由进化算法与适应度评估，在一个现实的模拟与准确的物理。我们将此技术应用于五连杆平面步行机构，以证明其可行性和性能。此外，为了观察仿真结果是否可以被可接受地转移到真实机器人硬件，还在真实机构上测试了最佳进化的CPG网络。我们的研究结果还证实，生物启发的CPG模型非常适合腿运动，因为已经观察到网络的各种表现形式在进化过程中的适应度模拟中取得了成功。

2012-03-29cs.NEcs.RO

面向机器人群体多目标进化神经网络控制器

Evolving Multi-Objective Neural Network Controllers for Robot Swarms

University of Galway（戈尔韦大学）；University of Bristol（布里斯托大学）

提出多目标进化神经网络方法训练群体机器人控制器，在低保真模拟中进化，可迁移至高保真环境并扩展至更多机器人，无需重训。

2023-07-26cs.LGcs.NEcs.RO

更多相关论文收起更多论文

基于局部自注意的模块化软体机器人进化

Evolving Modular Soft Robots without Explicit Inter-Module Communication using Local Self-Attention

University of Trieste（的里雅斯特大学）；Google Brain（谷歌大脑）

模块化在机器人领域具有巨大的潜力。原则上，模块化机器人可以在不同的机器人中拆卸和重新组装，并可能执行新的任务。然而，实际上利用模块化仍然是一个未解决的问题：控制器通常依赖于模块间通信，这一实际要求使得模块不能完全互换，从而限制了它们的灵活性。在这里，我们专注于基于体素的软体机器人（VSRs），机械相同的弹性块的聚合。我们在每个体素内部使用相同的神经控制器，但没有任何体素间的通信，因此为模块化提供了理想的条件：模块都是平等的，可互换的。我们通过演化计算优化了体素间共享的神经网络参数。最重要的是，我们在控制器内部使用了一种局部的自我注意力机制，以克服模块间通信渠道的缺失，从而使我们的机器人能够真正由其模块的集体智能驱动。我们的实验表明，进化的机器人是有效的运动的任务：由于自我注意，在同一个机器人中体现的相同的控制器的实例可以集中在不同的输入。我们还发现，进化的控制器推广到看不见的形态，经过短暂的微调，这表明与任务相关的归纳偏见来自真正的模块化。

2022-04-13cs.NEcs.RO

开放环境下机器人形态学与控制器的协同优化

Co-optimising Robot Morphology and Controller in a Simulated Open-Ended Environment

手工设计机器人可能既昂贵又耗时，特别是如果机器人必须用新材料制造，或者对内部或外部变化具有鲁棒性。为了在不需要人为干预的情况下自动创建机器人，有必要优化机器人的行为和身体设计。然而，当共同优化的形态和控制器的移动代理的形态往往过早收敛，达到局部最优。诸如明确保护形态创新的方法已被用于减少这一问题，但也可能使用更间接的方法来增加对形态的探索。我们探讨如何改变环境，代理运动，影响形态的收敛。智能体的形态和控制器是协同优化的，而智能体所处的环境则是通过成对开放式开拓者（POET）开放式地进化的。我们比较的多样性，健身和鲁棒性的代理在POET产生的环境中演变的代理在手工制作的课程的环境。我们的代理人都包含一个人口的个人正在演变的遗传算法。这个种群被称为代理种群。我们发现，在开放式的不断发展的环境中发展的代理人口表现出更大的形态多样性比代理人口在手工制作的环境课程。POET证明能够创建一个鼓励人口多样性和质量的环境课程。这表明POET可能能够减少形态和控制器的协同优化中的过早收敛。

2021-04-07cs.NE