Echo state networks for embodied evolution in robotic swarms
Echo state networks for embodied evolution in robotic swarms
复制标题
用于机器人群中体现进化的回声状态网络
DOI：
10.1007/s10015-022-00828-w
复制
发表时间：
2022
影响因子：
0.9
通讯作者：
Kazuhiro Ohkura
中科院分区：
文献类型：
--
作者：
Motoaki Hiraga;Yoshiaki Katada;Kazuhiro Ohkura
机器人进化是一种进化机器人方法，它在机器人种群上实现进化算法，并在机器人执行任务时进化。到目前为止，大多数关于具身进化的研究都使用相对简单的神经网络作为机器人控制器。然而，一个简单的结构控制器可能会限制机器人的行为，并导致较低的性能。本文提出了一种具体的进化方法，使用回声状态网络作为机器人控制器。实验使用计算机模拟进行，控制器在双目标导航任务中进化。结果表明，回声状态网络控制器优于传统的控制器。
Embodied evolution is an evolutionary robotics approach that implements an evolutionary algorithm over a population of robots and evolves while the robots perform their tasks. So far, most studies on embodied evolution utilize relatively simple neural networks as robot controllers. However, a simple structured controller might restrict robot behavior and lead to lower performance. This paper proposes an embodied evolution approach that uses echo state networks as robot controllers. The experiments are conducted using computer simulations, and the controllers are evolved in a two-target navigation task. The results show that the echo state network controllers outperform the conventional controllers.
登录
查看更多内容
复杂任务中机器人群的人工进化自主任务分配
影响因子：
0.9
作者：
Wei Yufei;Hiraga Motoaki;Ohkura Kazuhiro;Car Zlatan
通讯作者：
Car Zlatan
群体机器人 - 一种正式的方法
影响因子：
3.9
作者：
Heiko Hamann
通讯作者：
Heiko Hamann
自主机器人的实体化、在线、机载进化
DOI：
--
发表时间：
2010
期刊：
--
影响因子：
--
作者：
A. Eiben;E. Haasdijk;Nicolas Bredèche
通讯作者：
Nicolas Bredèche
影响因子：
3.7
作者：
Haasdijk E;Bredeche N;Eiben AE
通讯作者：
Eiben AE
影响因子：
2.6
作者：
Alkilabi, Muhanad H. Mohammed;Narayan, Aparajit;Tuci, Elio
通讯作者：
Tuci, Elio