NeuroEvolution algorithms applied in the designing process of biohybrid actuators

要約

ソフト ロボットは従来の剛体ロボットから分岐し、適応性、安全性、人間とロボットの相互作用において独自の利点を提供します。
場合によっては、ソフト ロボットはバイオハイブリッド アクチュエータによって駆動される場合がありますが、これらのシステムの設計プロセスは決して単純なものではありません。
ここでは、これらのシステムの設計を支援する可能性がある 2 つのアルゴリズム、つまり NEAT (NeuroEvolution of Augmented Topologies) と HyperNEAT (Hypercube-based NeuroEvolution of Augmented Topologies) を分析します。
これらのアルゴリズムは、ニューラル ネットワークを通じてエンコードされたアクチュエーターの構造の進化を利用しています。
これらのアルゴリズムを評価するために、発見されたバイオハイブリッド形態によって達成される最大変位の評価に重点を置き、Age Fitness Pareto Optimization (AFPO) アルゴリズムを使用した同様のアプローチと比較します。
さらに、これらの形態の体積とそれらがカバーできる距離の両方に対する最適化の効果を調査します。
計算プロセスをさらに高速化するために、提案された方法論はクライアント/サーバー設定で実装されます。
そのため、最も要求の厳しい計算を特殊で効率的なハードウェアで実行できます。
結果は、HyperNEAT ベースのアプローチが、満足のいく変位目標を達成しながら最小限の体積で形態を特定することに優れていることを示しています。

要約(オリジナル)

Soft robots diverge from traditional rigid robotics, offering unique advantages in adaptability, safety, and human-robot interaction. In some cases, soft robots can be powered by biohybrid actuators and the design process of these systems is far from straightforward. We analyse here two algorithms that may assist the design of these systems, namely, NEAT (NeuroEvolution of Augmented Topologies) and HyperNEAT (Hypercube-based NeuroEvolution of Augmented Topologies). These algorithms exploit the evolution of the structure of actuators encoded through neural networks. To evaluate these algorithms, we compare them with a similar approach using the Age Fitness Pareto Optimization (AFPO) algorithm, with a focus on assessing the maximum displacement achieved by the discovered biohybrid morphologies. Additionally, we investigate the effects of optimization against both the volume of these morphologies and the distance they can cover. To further accelerate the computational process, the proposed methodology is implemented in a client-server setting; so, the most demanding calculations can be executed on specialized and efficient hardware. The results indicate that the HyperNEAT-based approach excels in identifying morphologies with minimal volumes that still achieve satisfactory displacement targets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google