Schéma evolučného experimentu Správca populácie mutácia ríženie selecia vyhodnotenie
Schéma evolučného experimentu Premiestňovanie: pri prepínaní medzi dvomi jedincami v populácii sa robot náhodne premiestni a by sa testovaný jedinec dostal do zložitej pozície a túto pozíciu zachováme pre nasledujúceho jedinca, ta bude v nevýhode nie je dobré začínať vždy z toho istého miesta robot by sa mohol naučiť pevnú postupnosť roov ( minimalisticé riešenie! )
Simulovaná evolúcia Fyzicá evolúcia trvá dlho (dni) paralelná fyzicá evolúcia nemusí pomáhať roboty, toré sú mechanicy i softwarovo zhodní, nemusia fungovať totožne Najprv simulovaná evolúcia a potom najlepších jedincov vysúšať na reálnych robotoch nezrýchľuje vždy napr. simulácia videnia bez overovania na fyzicom robote vôbec nemusí fungovať za určitých podmieno to ide, ale v zložitejších prostrediach sa to zatiaľ nevie simulácia zjednodušuje dodávu energie, resetovanie stavu prostredia pr. Khepera čistič 2 metódy simulácií čo najvyššia vernosť modelovanie iba podstatných aspetov
Presné modelovanie interacie robota s prostredím I Senzory a motory i eď sú identicé môžu fungovať rozdielne A) vzorovanie rôznych objetov z rôznych vzdialeností a uhlov na reálnom robote napr. aréna so stenami a rovnao veľými cylindrami 180 orientácií x 20 vzdialeností pre aždý senzor zvlášť problematicé v zložitejšom prostredí robot blízo dvoch objetov napr. sladaním vetorov ativít senzorov
Presné modelovanie interacie robota s prostredím II B) matematicý model, ale parametre funcií sa odmerajú na reálnom robote Fyzicé senzory dávajú neisté hodnoty, výonné prvy majú neistý efet napr. teplota prostredia, doba práce rieši sa pridaním šumu A. náhodný šum je treba odhadnúť interval riadenie neurónovou sieťou občas spolieha na šum v určitom rozsahu B. náhodný, ale systematicy menený (napr. rozsah) Telo robota a charateristiy prostredia musia byť presne reproduované často nestačí mrieža ao model prostredia
Minimálna simulácia dôležité charateristiy interacie robota s prostredím tzv. záladná množina charateristí je treba modelovať presne simulácia má orem nich ďalšie aspety, toré neorešpondujú s realitou tzv. implementačné aspety implementačné aspety sa musia meniť od pousu pousu ta, aby riadenie, toré by na nich bolo závislé, nefungovalo (tj. záviselo iba na záladnej množine charateristí) záladná množina charateristí sa musí meniť od pousu pousu ta, aby riadenie, toré je na nich závislé, bolo robustné (tj. len taé variácie, s torými si riadenie poradí) prílad Jacobi (1997) Khepera v bludisu tvaru T
Khepera v bludisu tvaru T Na rižovate má zahnúť na tú stranu, de svieti svetlo v hlavnej chodbe Záladná množina charateristí: svieti svetlo 1 svieti svetlo 2 pohyb olies ativácia detetorov vzdialenosti v chodbe ativácia detetorov rozptýleného svetlo 1 svetlo 2 svetla v chodbe Implementačné aspety: ativácia detetorov vzdialenosti v rižovate vôbec sa nesimulovala
Khepera v bludisu tvaru T Bludiso modelované dvomi segmentmi hlavná chodba so svetlami eď robot došiel na jej oniec, ta bol prenesený do druhého segmentu a otočený o 90 vodorovná chodba po prenesení má robot za sebou ompliované napojenie chodieb; aby sa nemohol orientovať na zálade senzorov smerujúcich do hlavnej chodby, ta ich hodnoty sa pri opaovaných pousoch líšili aby sa zaručila robustnosť riadenia ta sa menilo: strana, na torej svietilo svetlo šíra chodby, dĺža chodby, dĺža osvetleného úseu chodby vurčitom obmedzenom rozsahu
Khepera v bludisu tvaru T svetlo 1 svieti svetlo 1 svieti svetlo 2 svetlo 2 svetlo 1 svetlo 2 zašumená zóna
Priestor funcií fitness Fitness funcia ľúčový význam premenné dobre popisujúce funčný systém môžu byť nanič na začiatu a naopa malá zmena môže dať úplne iné výsledy metóda pousu a omylu čas Priestor fitness funcií implicitná explicitná externá interná funcionálna behavioristicá
Charateristiy fitness funccie Funcionálna x behavioristicá Napr. ráčajúci robot a) frevencia opaovania b) prejdená vzdialenosť Explicitná x implicitná počet premenných, onštánt a obmedzení (~dĺža zápisu funcie) a) dosiahnutá rýchlosť, ativita vybraných neurónov, či dorazil zdroju energie b) ao dlho vydržal pracovať Externá x interná dá sa merať iba zvonu, alebo je dostupná robotovi z jeho senzorov? a) absolútna vzdialenosť robota od cieľa b) množstvo svetla zachytené senzorom, napätie batérií pri simuláciách soro zadarmo, ina drahá (čas, vybavenie) Im Ex Ex F In B
Ao voliť fitness Optimalizácia súboru parametrov systému, torý je zložitý, ale dobre definovaný FEE Funcionálna, Explicitná, Externá tradičný inžiniersy prístup autonómny robot schopný pracovať v neznámom a nepredvídateľnom prostredí BII Behavioristicá, Implicitná, Interná vhodná pre inrementálny vývoj syntéza umelého života diagonála FEE - BII Subjetívna fitness vyvíjaní jedinci sú hodnotení človeom BEE pr. Biomorphy člove vyberá jedincov, torí budú reproduovaní a mutovaní môže sa meniť člove od človea alebo i pre jedného človea v čase Im Ex Ex F In B
Evolúcia jednoduchej navigácie Výhľad riešených úloh: jednoduché správanie správanie, toré zrejme vyžaduje pamäť alebo vnútorné stavy, ale dá sa urobiť jednoduchšie zložitejšia navigácia modulárna architetúra a vnútorné stavy Navigácia vyžaduje zobrazenie zo senzoricých údajov na motoricé acie senzory motory vzájomná závislosť často nestačí urobiť tabuľu (stav senzorov motory) pre všety možné stavy senzorov umelá evolúcia doáže vytvoriť veľmi efetívne riadenie s využitím interacií medzi robotom a prostredím
Priamy pohyb s obchádzaním preážo A je morfológia robota symetricá dá sa súsiť Braitenbergovo autíčo (1984) motory priamo spojené váženými spojmi so senzorami spoj pozitívny (+) excitácia senzory negatívny (-) inhibícia motory
Braitenbergovo autíčo + + + + + + - - + - - +
Riadenie Breitenbergovho typu pre Kheperu Každý senzor má excitačný spoj s motorom na svojej strane a inhibičný spoj s motorom na druhej strane; váhy sú symetricé vstupy do motorov sú posunuté o ladnú onštantu vynútený pohyb dopredu netriviálne nastavenie vlastnosti motorov a senzorov (sila spoja) pomery váh + a najľavejší a ľavý čelný senzor majú rovnaú váhu -> robot zatáča príliš mnoho pri preáže vľavo -> alebo robot zatáča málo pri preáže čelne hodnoty váh závisia od rýchlosti pohybu a frevencie čítania senzorov, odrazivosti preážo, rôzne roboty v rôznych prostrediach vyžadujú starostlivé nastavenie
Evolučný prístup Bludiso s oruhom (80 x 50 cm) cieľ: maximálna rýchlosť vpred, vyhýbanie sa preážam fitness ( je číslo rou, n je celový počet roov) ( ) ( ) infračerveného čidla normalizovanáhodnotanajatívnejšieho 0,5 0,5 ; rýchlosť pravého motora, 0,5 0,5 ; ľavého motora, rýchlosť 1,, 0 1 1 n 1 1 K K K n i r r l l r l V r l V i V V i V V = Δ + = Δ Δ = Φ Φ = Φ =
Fitness Φ = 1 n n = 1 Φ Φ V ( 1 ΔV ) ( 1 i ) 0 V, ΔV, i 1 l Krýchlosť ľavého motora, i Knormalizovanáhodnotanajatívnejšieho = V = l + r r Krýchlosť pravého motora, r infračerveného čidla ΔV = l r l 0,5 ; 0,5 0,5 ; 0,5 V maximalizuje rotáciu olies (4 maximá ( ) 1 ΔV maximalizuje rotáciu rovnaým smerom ( 1 i) posilňuje vyhýbanie sa preážam nepreferuje pohyb dopredu!
Riadenie bez srytých neurónov, 8 vstupných (infra, <0,1>), 2 výstupné (motory, sigmoida posunutá do <-0.5,0.5>), 2 neuróny na uchovanie stavu motorov do ďalšieho cylu (Elman) výstupné neuróny majú prahy ľavý motor pravý motor infra minulý výstup prah
Sledovanie vývoja Priemerná a maximálna fitness v populácii (str. 75) Oddelene jednotlivé zložy fitness (str. 76) zobrazenie stavového priestoru jednotlivé zložy jedinca tvoria súradnicu v n-rozmernom priestore (str. 77) ================= pre Breitenbergovo autíčo (so symetricými váhami) existujú rovnovážne body, eď sa vstupy zo symetricých senzorov vzájomne anulujú autíčo sa zastaví tento problém riešia reurentné spoje (zle sa nastavujú ručne)
Ďalšie vyvinuté vlastnosti Teoreticy by robot mohol cúvať, ale vždy preferoval smer, de má viacej senzorov nerozvinulo sa v pravouhlom bludisu bez preážo maximálna rýchlosť vyvinutých jedincov nidy nedosiahla maximum 80 mm/s. ale len asi 48 mm/s pravdepodobne preto, že senzory sú snímané aždých 300 ms a pri vyššej rýchlosti by robot narážal do preážo, toré nestačil zaregistrovať