Efficient Neuroevolution for a Quadruped Robot
Efficient Neuroevolution for a Quadruped Robot
复制标题
四足机器人的高效神经进化
DOI：
10.1007/978-3-642-34859-4_36
复制
发表时间：
2012
期刊：
影响因子：
--
通讯作者：
本位田真一
中科院分区：
文献类型：
--
作者：
徐聖博; 森口博貴; 本位田真一
在本研究中，我们研究 CoSyNE 和 CMA-NeuroES 算法是否可以有效优化四足机器人的神经策略。这两种算法都被证明可以在 Pole Balancing 基准测试中有效优化连接权重。由于它们在该基准测试中取得了良好的结果，因此预计它们能够有效解决步态生成等其他控制问题。在这项研究中，我们通过实验证明，与 CoSyNE 相比，CMA-NeuroES 具有更高的可扩展性，可以优化用于生成四足机器人步态的人工神经网络。研究结果有助于研究人员和实践者选择最佳的神经进化算法来生成步态。
In this research, we investigate whether CoSyNE and CMA-NeuroES algorithms can efficiently optimize neural policy of a quadruped robot. Both of these algorithms are proven to optimize connection weights efficiently on Pole Balancing benchmark. Due to their good results on that benchmark, they are expected to be efficient on other control problems like gait generation. In this research we experimentally show that CMA-NeuroES have higher scalability to optimize Artificial Neural Networks for generating gaits of quadruped robots in comparison with CoSyNE. The results can be helpful for researchers and practitioners to choose the optimal Neuroevolution algorithm for generating gaits.