|
|
Evolution and Learning of Virtual Robots
Krčah, Peter ; Mráz, František (vedoucí práce) ; Kvasnička, Vladimír (oponent) ; Pilát, Martin (oponent)
Název práce: Evoluce a učení virtuálních robotů Autor: RNDr. Peter Krčah Katedra: Katedra softwaru a výuky informatiky Vedoucí disertační práce: RNDr. František Mráz, CSc. Abstrakt: Evoluční robotika využívá evoluční algoritmy k automatickému návrhu stavby těla i chování robotů. Tato práce přináší dvě metody do oblasti automatického návrhu virtuálních robotických organizmů. První metoda ukazuje přírodou inspirovaný algo- ritmus, který umožňuje virtuálním robotům měnit jejich morfologii učením v průběhu života. Vysvětlujeme, jak tato morfologická plasticita umožňuje vyvíjet organizmy, které mohou dynamicky měnit svoji stavbu těla podle prostředí, do kterého jsou umístěny. Dále ukazujeme, že učení redukuje výpočetní čas potřebný k evoluci robota s předem určenou hodnotou fitness. V druhé části popisujeme pro vybrané problémy evoluční robotiky, jak změna zaměření evoluce z původního cíle na hledání libovolných nových forem chování může předejít předčasné konvergenci do lokálního minima (tato technika je známá jako Novelty search). Klíčová slova: evoluce virtuálních organizmů, koevoluce stavby těla a chování robota, morfologická plasticita, neuronové sítě, učení
|
|
|
Evolutionary development of robotic organisms
Krčah, Peter
Od zveřejnění práce Karla Simse o evoluci virtuálních organizmů uplynulo již třináct let. Od té doby bylo publikováno několik přístupů k řešení genetických algoritmů a k evoluci neuronových sítí. Tato práce navrhuje nový algoritmus pro evoluci virtuálních organizmů. Představovaný algoritmus se nazývá Hierarchický NEAT a je rozšířením algoritmu NEAT (NeuroEvolution of Augmenting Topologies), který je schopen efektivně vyvíjet umělé neuronové sítě. Hierarchický NEAT aplikuje všechny tři hlavní složky algoritmu NEAT (ochranu evolučních inovací zavedením druhů, ohleduplné křížení organizmů a postupný vývin z minimální stavby těla) na evoluci stavby těla a kontrolního systému organizmů. Navíc algoritmus umožňuje citlivější křížení kontrolních systémů než původní metody. Experimenty prokázaly, že navrhovaný algoritmus výrazně zvyšuje výkon evoluce pro všechny testované úkoly. Další experimenty prokázaly, že každá ze složek algoritmu je přínosem pro výkon evoluce, centrální řídící mechanizmus není nezbytný pro úspěšný vývoj strategií pro sledování světla a že výběr konkrétní sady přenosových funkcí neuronu významněji neovlivňuje evoluci. Powered by TCPDF (www.tcpdf.org)
|
|
|
Evolution and Learning of Virtual Robots
Krčah, Peter ; Mráz, František (vedoucí práce) ; Kvasnička, Vladimír (oponent) ; Pilát, Martin (oponent)
Název práce: Evoluce a učení virtuálních robotů Autor: RNDr. Peter Krčah Katedra: Katedra softwaru a výuky informatiky Vedoucí disertační práce: RNDr. František Mráz, CSc. Abstrakt: Evoluční robotika využívá evoluční algoritmy k automatickému návrhu stavby těla i chování robotů. Tato práce přináší dvě metody do oblasti automatického návrhu virtuálních robotických organizmů. První metoda ukazuje přírodou inspirovaný algo- ritmus, který umožňuje virtuálním robotům měnit jejich morfologii učením v průběhu života. Vysvětlujeme, jak tato morfologická plasticita umožňuje vyvíjet organizmy, které mohou dynamicky měnit svoji stavbu těla podle prostředí, do kterého jsou umístěny. Dále ukazujeme, že učení redukuje výpočetní čas potřebný k evoluci robota s předem určenou hodnotou fitness. V druhé části popisujeme pro vybrané problémy evoluční robotiky, jak změna zaměření evoluce z původního cíle na hledání libovolných nových forem chování může předejít předčasné konvergenci do lokálního minima (tato technika je známá jako Novelty search). Klíčová slova: evoluce virtuálních organizmů, koevoluce stavby těla a chování robota, morfologická plasticita, neuronové sítě, učení
|
|
|
Evolutionary development of robotic organisms
Krčah, Peter
Od zveřejnění práce Karla Simse o evoluci virtuálních organizmů uplynulo již třináct let. Od té doby bylo publikováno několik přístupů k řešení genetických algoritmů a k evoluci neuronových sítí. Tato práce navrhuje nový algoritmus pro evoluci virtuálních organizmů. Představovaný algoritmus se nazývá Hierarchický NEAT a je rozšířením algoritmu NEAT (NeuroEvolution of Augmenting Topologies), který je schopen efektivně vyvíjet umělé neuronové sítě. Hierarchický NEAT aplikuje všechny tři hlavní složky algoritmu NEAT (ochranu evolučních inovací zavedením druhů, ohleduplné křížení organizmů a postupný vývin z minimální stavby těla) na evoluci stavby těla a kontrolního systému organizmů. Navíc algoritmus umožňuje citlivější křížení kontrolních systémů než původní metody. Experimenty prokázaly, že navrhovaný algoritmus výrazně zvyšuje výkon evoluce pro všechny testované úkoly. Další experimenty prokázaly, že každá ze složek algoritmu je přínosem pro výkon evoluce, centrální řídící mechanizmus není nezbytný pro úspěšný vývoj strategií pro sledování světla a že výběr konkrétní sady přenosových funkcí neuronu významněji neovlivňuje evoluci. Powered by TCPDF (www.tcpdf.org)
|
host ::
RSS.