发表机构
Connecticut College（康涅狄格学院）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本文提出分散式进化算法独立优化六足机器人每条腿的步态，无需集中协调，在Webots模拟器中验证，相比协同进化更高效，能生成稳定自适应步态并展现涌现协调，降低优化复杂度。
AI 中文摘要
本文提出了一种新颖的六足机器人运动方法，通过分散式进化算法独立进化每条腿的步态。利用Webots模拟器和Mantis六足机器人，我们在没有集中协调的情况下优化各个腿部控制器，允许涌现行为驱动高效、协调运动的发展。我们的分散式方法与协同进化进行了基准测试，展示了在生成稳定和自适应步态方面的更高功效，同时表现出有趣的涌现协调。通过实现腿部控制器的独立进化，该方法降低了步态优化的复杂性，并突显了分散式策略在可扩展和自适应机器人系统中的潜力。
英文摘要
This paper presents a novel approach to hexapod locomotion by evolving each leg's gait independently through a decentralized evolutionary algorithm. Using the Webots simulator and the Mantis hexapod robot, we optimize individual leg controllers without centralized coordination, allowing emergent behaviors to drive the development of efficient, coordinated locomotion. Our decentralized method is benchmarked against cooperative coevolution, demonstrating improved efficacy in generating stable and adaptive gaits while showing interesting emergent coordination. By enabling independent evolution of leg controllers, this method reduces the complexity of gait optimization and highlights the potential of decentralized strategies for scalable and adaptive robotic systems.
Journal refProceedings of the 17th International Conference on Evolutionary Computation Theory and Applications Part 2 (2025) 269-280
DOI：10.1007/978-3-032-15635-8_17
