Prírodou inšpirované algoritmy

Súťaživosť v koevolučnej robotike

Súťaživosť v koevolučnej robotike. Pri experimente boli použité dva roboty typu Khepera, jeden v úlohe predátora, druhý v úlohe koristi (sleduje sa tzv. Red Queen effect). Robot v úlohe koristi mal dvojnásobne vyššiu rýchlosť ako druhý robot. Predátor bol vybavený "zrakom", senzorom, ktorý dokázal detekovať smer v ktorom sa nachádza korisť (len v rámci 36° uhla) a ôsmimi IR senzormi na detekciu kolízie. Korisť mala iba tieto IR senzory, naviac bola vybavená zástavkou, podľa ktorej sa dala jednoducho identifikovať. Roboty typu Khepera nie sú úplne autonómne, majú prívodný kábel od počítača, ktorý v niektorých prípadoch môže skomplikovať experiment, ale zato že sú menšie, pri pohybe robia menšie chyby. Majú päť vstupov do neurónovej sieti od svetelného snímača (36° rozdelených na 5 častí), osem vstupov od IR snímačov kolízie.

Každá synapsia tejto neurónovej siete je reprezentovaná v pamäti robota na 6 bitoch, prvý hovorí o znamienku synapsie, ostatné o jej hodnote. Pri učení sa upravovali hodnoty synapsií a hodnoty prahov, t.j. pre predátora 32 hodnôt, pre korisť 22 hodnôt. Táto neurónová sieť sa učila pomocou genetických algoritmov, každý jedinec bol testovaný voči najlepšiemu protivníkovi z desiatich predchádzajúcich populácií, čo zvyšuje koevolucionárnu stabilitu. Pre každý súboj sa vychádzalo z toho istého základného postavenia. Použilo sa 100 generácií, a v každej bolo 100 jedincov. Výsledky experimentu ukazuje obrázok za textom.

Po inicializácií ma predátor tendenciu zastať a korisť sa pohybovať po kružniciach(1). Neskôr, sa korisť pohybuje rýchlejšie a priamejšie pozdĺž stien, predátor útočí akonáhle je korisť v jeho ceste (pohľade)(2). Potom predátor vyvinul stratégiu učenia sa z toho akú má korisť rýchlosť(3). Ako vidno predátor prenasleduje korisť, ale nakoniec ju minie a skončí opäť na stene. Na (4) vidno najlepšieho reprezentanta koristi, pohybuje sa v kružniciach a keď sa priblíži predátor, rapídne zrýchli. Na (5) použil už predátor tzv. pavúčiu stratégiu, snaží sa chytiť korisť do pasce. A nakoniec (6) ponúka novú zaujímavú stratégiu, predátor sa rýchlo pohybuje po malých kružniciach, a korisť mu stále krúži za chrbtom a takto ho predátor nemôže zistiť, vzniká zábavný tanec. Táto práca ma veľký význam v evolučnej robotike, pretože ukazuje jednoduché riešenie pre úlohu obchádzania prekážok, úlohu vizuálneho sledovania, úlohu diskriminácie objektu (robot - stena) a úlohu nasledovania (prenasledovania) a mnoho ďalších podobných úloh, ktoré sa dajú bez väčšej námahy takto splniť.

Skutočný priebeh experimentu viď. na videu.