Transcript

Robótica Evolutiva

Introducción a la Robótica Inteligente

Álvaro Gutiérrez26 de abril de 2019

[email protected]

www.robolabo.etsit.upm.es

N

Índice

1 Robótica Evolutiva

2 Un primer ejemplo

3 IRSIMObstáculosLucesRecolección

4 Otros ejemplos

5 Conclusiones

N

1 Robótica Evolutiva

2 Un primer ejemplo

3 IRSIMObstáculosLucesRecolección

4 Otros ejemplos

5 Conclusiones

N

Robótica Evolutiva

I La Robótica Evolutiva (RE) es la generación desistemas de control (y/o morfologías) para robotsautónomos basados en el principio Darviniano dereproducción selectiva del más adecuado

I Motivación: Es difícil diseñar sistemas autónomos usandotécnicas ingenieriles porque la iteracción entre un robotautónomo y su entorno es compleja y difícil de predecir

I En la robótica evolutiva definimos los componentes delsistema de control (sensores y actuadores) y un criterio deselección, y dejamos a la evolución artificial descubrir losindividuos más adecuados mientras el robot interactúa conel entorno

N

RE - Introducción

N

RE - Red Neuronal

S2 S3 S4 S5 S6 S8S7S1

ijW

M l M r

N

RE - Codificación

S2 S3 S4 S5 S6 S8S7S1

ijW

M l M r

W W12

W13

W14

W15

W16

W17

W18

W2111

W22

W23

W24

W25

W26

W27

W28

N

RE - Metodología

N

RE - Metodología

N

RE - Operadores

N

RE - Fitness

N

1 Robótica Evolutiva

2 Un primer ejemplo

3 IRSIMObstáculosLucesRecolección

4 Otros ejemplos

5 Conclusiones

N

Evitador de Obstáculos

Automatic Creation of an Autonomous Agent: Genetic Evolutionof a Neural Network Driven Robot (Floreano y Mondada, 1994)

N

Evitador de Obstáculos

I 8 Sensores de InfrarrojoI 2 MotoresI PerceptrónI Neuronas: Sigmoide

ni =∑

j

ωjixi

yi =1

1 + e−(ni−θi)

I Cromosoma:I Pesos de la redI Sesgos

S2 S3 S4 S5 S6 S8S7S1

ijW

M l M r

N

Evitador de Obstáculos

I 8 Sensores de InfrarrojoI 2 MotoresI PerceptrónI Neuronas: Sigmoide

ni =∑

j

ωjixi

yi =1

1 + e−(ni−θi)

I Cromosoma:I Pesos de la red (16)I Sesgos (2)

S2 S3 S4 S5 S6 S8S7S1

ijW

M l M r

N

Evitador de Obstáculos

I Función de Fitness

I PROPUESTAS!!!!I Nolfi-Floreano: F = V(1−

√∆v)(1− i)

Wr,l ∈ [−0.5, 0.5] (Velocidad)V = |Wr|+ |Wl| (Máxima Velocidad)∆v = |(Wr + 0.5)− (Wl + 0.5)| (Máximo Recto)i ∈ [0, 1] (Máximo IR)

N

Evitador de Obstáculos

I Función de Fitness

I PROPUESTAS!!!!

I Nolfi-Floreano: F = V(1−√

∆v)(1− i)

Wr,l ∈ [−0.5, 0.5] (Velocidad)V = |Wr|+ |Wl| (Máxima Velocidad)∆v = |(Wr + 0.5)− (Wl + 0.5)| (Máximo Recto)i ∈ [0, 1] (Máximo IR)

N

Evitador de Obstáculos

I Función de Fitness

I PROPUESTAS!!!!I Nolfi-Floreano: F = V(1−

√∆v)(1− i)

Wr,l ∈ [−0.5, 0.5] (Velocidad)V = |Wr|+ |Wl| (Máxima Velocidad)∆v = |(Wr + 0.5)− (Wl + 0.5)| (Máximo Recto)i ∈ [0, 1] (Máximo IR)

N

Evitador de Obstáculos

I 100 generacionesI 100 individuosI 100 seg. de evaluaciónI Mutación: pm = 0.05I Crossover: pc = 1I Elite: e = 5

0 20 40 60 80 100

0.0

0.4

0.8

1.2

Generations Evolution

Generations

Fitness

BestAverage

Worst

N

1 Robótica Evolutiva

2 Un primer ejemplo

3 IRSIMObstáculosLucesRecolección

4 Otros ejemplos

5 Conclusiones

N

IRSIM

ANN: Exp 21

N 01 N 0

2 N 03 N 0

4

N 11 N 1

210

IR0 IR1 IR6 IR7

VL VR

I Identidad yi = xi

I Sigmoide

ni =∑

j

ωjixi + Ii

yi =1

1 + e−(ni−θi)

CTRNN: Exp 24

N 01 N 0

2 N 03 N 0

4

N 11 N 1

210

IR0 IR1 IR6 IR7

VL VR

I Identidad yi = xi

I Sigmoide

τini = −ni +∑

j

ωjixi + giIi

yi =1

1 + e−βi(ni−θi)

N

IRSIM

ANN: Exp 21

N 01 N 0

2 N 03 N 0

4

N 11 N 1

210

IR0 IR1 IR6 IR7

VL VR

I Parámetros Sigmoides:ω, θ

CTRNN: Exp 24

N 01 N 0

2 N 03 N 0

4

N 11 N 1

210

IR0 IR1 IR6 IR7

VL VR

I Parámetros Sigmoides:ω, g, θ, β, τ

N

IRSIM

ANN: Exp 21

I experiments/testneuronexp.*I controllers/nndistributedcontroller.*I controllers/layercontroller.*

CTRNN: Exp 24

I experiments/ctrnnexp.*I controllers/ctrnndistributedcontroller.*I controllers/ctrnnlayercontroller.*

N

IRSIM

Fichero Configuración

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% MORPHOLOGY%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%PROX. SENSORS (8 sensors: 0 OFF, 1 ON) = 1 1 0 0 0 0 1 1CONTACT SENSORS (8 sensors: 0 OFF, 1 ON) = 1 1 1 1 1 1 1 1LIGHT SENSORS (8 sensors: 0 OFF, 1 ON) = 1 1 1 1 1 1 1 1BLUE LIGHT SENSORS (8 sensors: 0 OFF, 1 ON) = 1 1 1 1 1 1 1 1RED LIGHT SENSORS (8 sensors: 0 OFF, 1 ON) = 1 1 1 1 1 1 1 1GROUND SENSORS (3 sensors: 0 OFF, 1 ON) = 1 1 1

N

IRSIM

Fichero Configuración

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% GENETIC%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%CHROMOSOME LENGTH = 10POPULATION SIZE = 20NUMBER OF GENERATIONS = 101EVALUATION TIME = 100DO CROSSOVER ( 0 No, 1 Yes ) = 1NUMBER OF CROSSOVERS ( Always 1 ) = 1CROSSOVER DISTANCE ( Always 1 ) = 1MUTATION RATE = 0.02NUMBER OF ELITES = 1FITNESS FUNCTION = 1SAMPLES PER CHORMOSOME = 1RANDOM POS/ORIEN (0 NO, 1 YES) = 0RANDOM INIT AREA X = 1.2RANDOM INIT AREA Y = 1.2

N

IRSIM

Fichero Configuración

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% NEURAL%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%WEIGTH UPPER BOUND = 5.0WEIGTH LOWER BOUND = -5.0NUMBER OF LAYERS= 2SENSOR TO LAYER 0 ( NONE 0, C. 1, P. 2, L. 3, BAT. 4, GM 5, G 6,BL 7, RL 8, BBAT 9, RBAT 10) = 2SENSOR TO LAYER 0 ( NONE 0, C. 1, P. 2, L. 3, BAT. 4, GM 5, G 6,BL 7, RL 8, BBAT 9, RBAT 10) = 0ACTIVATION FUNCTION LAYER 0 ( 0 IDENTITY, 1 SIGMOID, 2 STEP, 3LINEAR, 4 PROGRAM ) = 0ACTIVATION FUNCTION LAYER 1 ( 0 IDENTITY, 1 SIGMOID, 2 STEP, 3LINEAR, 4 PROGRAM ) = 1NUMBER OF OUTPUTs LAYER 0 = 4NUMBER OF OUTPUTs LAYER 1 = 2RELATION LAYER 0 = 0 1RELATION LAYER 1 = 0 0

N

IRSIM

ANN: Exp 21

I EvoluciónI ./irsim -E 21 -p <PARAM_FILE> -e

I EjecuciónI ./irsim -E 21 -p <PARAM_FILE> -c <CHROM_FILE>

CTRNN: Exp 24

I EvoluciónI ./irsim -E 24 -p <PARAM_FILE> -e

I EjecuciónI ./irsim -E 24 -p <PARAM_FILE> -c <CHROM_FILE>

N

IRSIM

Datos

I Evolución:I En el directorio geneticDatatFiles

I bestX.log: El mejor individuo de la generación XI currentbest: El mejor individuo de todo el procesoI fitness.log: Histórico de la evolución de la fitnessI generationX.log: Fichero con todos los individuos de la

generación XI maxgeneration: La última generación ejecutada

I EjecuciónI En el directorio outputFiles

I layerXoutput: Fichero con el tiempo, entradassensoriales, pesos y salidas de cada capa

I robotPosition: Fichero con el tiempo, coordenadaX,coordenadaY y Orientación del robot

I robotWheels: Fichero con el tiempo, velocidad de la ruedaizquierda y velocidad de la rueda derecha

N

IRSIM

Fitness

I 0: NoneI 1: Avoid experiments

I

fitnessfunctions/avoidcollisionsfitnessfunction.*I 2: Garbage experiments

I fitnessfunctions/garbagefitnessfunction.*I 4: VUESTRA FITNESS

I fitnessfunctions/irifitnessfunction.*I 5: Light Experiments

I fitnessfunctions/lightfitnessfunction.*

N

IRSIM

Varios

I Reiniciar generación: Modificar variableg_bRestartEvolution. Reinicia la simulación desde laque indique el fichero maxgeneration

I Tipo Mutación:I Aleatoria: En el ficheropopulations/standardgapopulation.cpp, lineas302 y 327:

I fGene = Random2::nextDouble();I Gausiana sobre el valor del gen actual: En el ficheropopulations/standardgapopulation.cpp, lineas302 y 327:

I fGene = fGene +Random2::nextGaussian(0,0.1);

N

1 Robótica Evolutiva

2 Un primer ejemplo

3 IRSIMObstáculosLucesRecolección

4 Otros ejemplos

5 Conclusiones

N

Ejemplo evitación de obstáculos

ANN: Exp 21

N 01 N 0

2 N 03 N 0

4

N 11 N 1

210

IR0 IR1 IR6 IR7

VL VR

I Nolfi-Floreano:F = V(1−

√∆v)(1− i)

I Exp1:I Cromosoma:

10I Población: 20I Mutación: 2 %I Tiempo eval: 100 s.I Elites: 1

I Exp2:I Mutación: 5 %

I Exp3:I Población: 50I Mutación: 2 %

I Exp4:I Obstáculos

N

Ejemplo evitación de obstáculos

ANN: Exp 21

N 01 N 0

2 N 03 N 0

4

N 11 N 1

210

IR0 IR1 IR6 IR7

VL VR

I Nolfi-Floreano:F = V(1−

√∆v)(1− i)

I Exp1:I Cromosoma: 10I Población: 20I Mutación: 2 %I Tiempo eval: 100 s.I Elites: 1

I Exp2:I Mutación: 5 %

I Exp3:I Población: 50I Mutación: 2 %

I Exp4:I Obstáculos

N

Ejemplo evitación de obstáculos

ANN: Exp 21 - 100 generaciones

I Exp1: 0.77 Exp2: 0.73 Exp3: 0.76 Exp4: 0.71

0 20 40 60 80 100

0.5

00

.60

0.7

0

Generations Evolution

Generations

Fitness

exp1

exp2

exp3

exp4

N

Ejemplo evitación de obstáculos

CTRNN: Exp 24

N 01 N 0

2 N 03 N 0

4

N 11 N 1

210

IR0 IR1 IR6 IR7

VL VR

I Nolfi-Floreano:F = V(1−

√∆v)(1− i)

I Exp1:I Cromosoma:

14I Población: 20I Mutación: 2 %I Tiempo eval: 100 s.I Elites: 1

I Exp2:I Mutación: 5 %

I Exp3:I Población: 50I Mutación: 2 %

I Exp4:I Capa motora

recurrenteI Cromosoma:

N

Ejemplo evitación de obstáculos

CTRNN: Exp 24

N 01 N 0

2 N 03 N 0

4

N 11 N 1

210

IR0 IR1 IR6 IR7

VL VR

I Nolfi-Floreano:F = V(1−

√∆v)(1− i)

I Exp1:I Cromosoma: 14I Población: 20I Mutación: 2 %I Tiempo eval: 100 s.I Elites: 1

I Exp2:I Mutación: 5 %

I Exp3:I Población: 50I Mutación: 2 %

I Exp4:I Capa motora

recurrenteI Cromosoma:

N

Ejemplo evitación de obstáculos

CTRNN: Exp 24

N 01 N 0

2 N 03 N 0

4

N 11 N 1

210

IR0 IR1 IR6 IR7

VL VR

I Nolfi-Floreano:F = V(1−

√∆v)(1− i)

I Exp1:I Cromosoma: 14I Población: 20I Mutación: 2 %I Tiempo eval: 100 s.I Elites: 1

I Exp2:I Mutación: 5 %

I Exp3:I Población: 50I Mutación: 2 %

I Exp4:I Capa motora

recurrenteI Cromosoma:

N

Ejemplo evitación de obstáculos

CTRNN: Exp 24

N 01 N 0

2 N 03 N 0

4

N 11 N 1

210

IR0 IR1 IR6 IR7

VL VR

I Nolfi-Floreano:F = V(1−

√∆v)(1− i)

I Exp1:I Cromosoma: 14I Población: 20I Mutación: 2 %I Tiempo eval: 100 s.I Elites: 1

I Exp2:I Mutación: 5 %

I Exp3:I Población: 50I Mutación: 2 %

I Exp4:I Capa motora

recurrenteI Cromosoma: 18

N

Ejemplo evitación de obstáculos

CTRNN: Exp 24

I Exp1: 0.710 Exp2: 0.830 Exp3: 0.930 Exp4: 0.934

0 20 40 60 80 100

0.4

0.5

0.6

0.7

0.8

0.9

Generations Evolution

Generations

Fitness

exp1

exp2

exp3

exp4

N

1 Robótica Evolutiva

2 Un primer ejemplo

3 IRSIMObstáculosLucesRecolección

4 Otros ejemplos

5 Conclusiones

N

Navegar hacia una luz

ANN: Exp 1

N01 N0

2 N03 N0

4 N11 N1

2 . . . N18

N21 N2

2

IR0 IR1 IR6 IR7 L0 L1 L7

VL VR

F =

Nsteps∑i=0

V · (1−√

∆v) · (max{Li})

Nsteps·(

1− min{

Ncoll, 1010

})

N

Navegar hacia una luz

ANN: Exp 1

N01 N0

2 N03 N0

4 N11 N1

2 . . . N18

N21 N2

2

IR0 IR1 IR6 IR7 L0 L1 L7

VL VR

I Cromosoma:

26I Población: 50I Mutación: 5 %I Tiempo eval: 400 s.I Elites: 5

F =

Nsteps∑i=0

V · (1−√

∆v) · (max{Li})

Nsteps·(

1− min{

Ncoll, 1010

})

N

Navegar hacia una luz

ANN: Exp 1

N01 N0

2 N03 N0

4 N11 N1

2 . . . N18

N21 N2

2

IR0 IR1 IR6 IR7 L0 L1 L7

VL VR

I Cromosoma: 26I Población: 50I Mutación: 5 %I Tiempo eval: 400 s.I Elites: 5

F =

Nsteps∑i=0

V · (1−√

∆v) · (max{Li})

Nsteps·(

1− min{

Ncoll, 1010

})

N

Navegar hacia una luz

ANN: Exp 1

0 20 40 60 80 100

0.0

0.2

0.4

0.6

0.8

Generations Evolution

Generations

Fitness

best

mean

worst

N

Navegar hacia una luz

CTRNN: Exp 1

N01 N0

2 N03 N0

4 N11 N1

2 . . . N18

N21 N2

2

IR0 IR1 IR6 IR7 L0 L1 L7

VL VR

F =

Nsteps∑i=0

V · (1−√

∆v) · (max{Li})

Nsteps·(

1− min{

Ncoll, 1010

})

N

Navegar hacia una luz

CTRNN: Exp 1

N01 N0

2 N03 N0

4 N11 N1

2 . . . N18

N21 N2

2

IR0 IR1 IR6 IR7 L0 L1 L7

VL VR

I Cromosoma:

30I Población: 50I Mutación: 2 %I Tiempo eval: 400 s.I Elites: 4

F =

Nsteps∑i=0

V · (1−√

∆v) · (max{Li})

Nsteps·(

1− min{

Ncoll, 1010

})

N

Navegar hacia una luz

CTRNN: Exp 1

N01 N0

2 N03 N0

4 N11 N1

2 . . . N18

N21 N2

2

IR0 IR1 IR6 IR7 L0 L1 L7

VL VR

I Cromosoma: 30I Población: 50I Mutación: 2 %I Tiempo eval: 400 s.I Elites: 4

F =

Nsteps∑i=0

V · (1−√

∆v) · (max{Li})

Nsteps·(

1− min{

Ncoll, 1010

})

N

Navegar hacia una luz

CTRNN: Exp 1

0 20 40 60 80 100

0.0

0.1

0.2

0.3

0.4

0.5

Generations Evolution

Generations

Fitness

best

mean

worst

N

Oscilación entre luces

ANN: Exp 2

N01 N0

2 N03 N0

4 N11 N1

2 . . . N18 N2

1 N22 . . . N2

8

N31 N3

2

IR0 IR1 IR6 IR7 L0 L1 L7 BL0 BL1 BL7

VL VR

F =Nsteps∑i=0

[14

V(1−√

∆v) +34

[BLon(BL0 + BL7) + BLoff (L0 + L7)

]]Nsteps

(1− min

{Ncoll, 10

10

})

N

Oscilación entre luces

ANN: Exp 2

N01 N0

2 N03 N0

4 N11 N1

2 . . . N18 N2

1 N22 . . . N2

8

N31 N3

2

IR0 IR1 IR6 IR7 L0 L1 L7 BL0 BL1 BL7

VL VR

I Cromosoma:

42I Población: 100I Mutación: 20 %I Tiempo eval: 400 s.I Elites: 6

F =Nsteps∑i=0

[14

V(1−√

∆v) +34

[BLon(BL0 + BL7) + BLoff (L0 + L7)

]]Nsteps

(1− min

{Ncoll, 10

10

})

N

Oscilación entre luces

ANN: Exp 2

N01 N0

2 N03 N0

4 N11 N1

2 . . . N18 N2

1 N22 . . . N2

8

N31 N3

2

IR0 IR1 IR6 IR7 L0 L1 L7 BL0 BL1 BL7

VL VR

I Cromosoma: 42I Población: 100I Mutación: 20 %I Tiempo eval: 400 s.I Elites: 6

F =Nsteps∑i=0

[14

V(1−√

∆v) +34

[BLon(BL0 + BL7) + BLoff (L0 + L7)

]]Nsteps

(1− min

{Ncoll, 10

10

})

N

Oscilación entre luces

ANN: Exp 2

0 20 40 60 80 100

0.0

0.2

0.4

0.6

0.8

Generations Evolution

Generations

Fitness

best

mean

worst

N

Oscilación entre luces

CTRNN: Exp 2

N01 N0

2 N03 N0

4 N11 N1

2 . . . N18 N2

1 N22 . . . N2

8

N31 N3

2

IR0 IR1 IR6 IR7 L0 L1 L7 BL0 BL1 BL7

VL VR

F =Nsteps∑i=0

[14

V(1−√

∆v) +34

[BLon(BL0 + BL7) + BLoff (L0 + L7)

]]Nsteps

(1− min

{Ncoll, 10

10

})

N

Oscilación entre luces

CTRNN: Exp 2

N01 N0

2 N03 N0

4 N11 N1

2 . . . N18 N2

1 N22 . . . N2

8

N31 N3

2

IR0 IR1 IR6 IR7 L0 L1 L7 BL0 BL1 BL7

VL VR

I Cromosoma:

46I Población: 100I Mutación: 20 %I Tiempo eval: 400 s.I Elites: 6

F =Nsteps∑i=0

[14

V(1−√

∆v) +34

[BLon(BL0 + BL7) + BLoff (L0 + L7)

]]Nsteps

(1− min

{Ncoll, 10

10

})

N

Oscilación entre luces

CTRNN: Exp 2

N01 N0

2 N03 N0

4 N11 N1

2 . . . N18 N2

1 N22 . . . N2

8

N31 N3

2

IR0 IR1 IR6 IR7 L0 L1 L7 BL0 BL1 BL7

VL VR

I Cromosoma: 46I Población: 100I Mutación: 20 %I Tiempo eval: 400 s.I Elites: 6

F =Nsteps∑i=0

[14

V(1−√

∆v) +34

[BLon(BL0 + BL7) + BLoff (L0 + L7)

]]Nsteps

(1− min

{Ncoll, 10

10

})

N

Oscilación entre luces

CTRNN: Exp 2

0 20 40 60 80 100

0.0

0.2

0.4

0.6

0.8

Generations Evolution

Generations

Fitness

best

mean

worst

N

Oscilación entre luces

CTRNN: Exp 3

N 01 N 0

2 N 03 N 0

4 N 11 N 1

2 ... N 18 N 2

1 N 22 ... N 2

8

N 31 N 3

2

IR0 IR1 IR6 IR7 L0 L1 L7 BL0 BL1 BL7

VL VR

F =Nsteps∑i=0

[14

V(1−√

∆v) +34

[BLon(BL0 + BL7) + BLoff (L0 + L7)

]]Nsteps

(1− min

{Ncoll, 10

10

})

N

Oscilación entre luces

CTRNN: Exp 3

N 01 N 0

2 N 03 N 0

4 N 11 N 1

2 ... N 18 N 2

1 N 22 ... N 2

8

N 31 N 3

2

IR0 IR1 IR6 IR7 L0 L1 L7 BL0 BL1 BL7

VL VR

I Cromosoma:

50I Población: 100I Mutación: 20 %I Tiempo eval: 400 s.I Elites: 6

F =Nsteps∑i=0

[14

V(1−√

∆v) +34

[BLon(BL0 + BL7) + BLoff (L0 + L7)

]]Nsteps

(1− min

{Ncoll, 10

10

})

N

Oscilación entre luces

CTRNN: Exp 3

N 01 N 0

2 N 03 N 0

4 N 11 N 1

2 ... N 18 N 2

1 N 22 ... N 2

8

N 31 N 3

2

IR0 IR1 IR6 IR7 L0 L1 L7 BL0 BL1 BL7

VL VR

I Cromosoma: 50I Población: 100I Mutación: 20 %I Tiempo eval: 400 s.I Elites: 6

F =Nsteps∑i=0

[14

V(1−√

∆v) +34

[BLon(BL0 + BL7) + BLoff (L0 + L7)

]]Nsteps

(1− min

{Ncoll, 10

10

})

N

Oscilación entre luces

CTRNN: Exp 3

0 20 40 60 80 100

0.0

0.2

0.4

0.6

0.8

Generations Evolution

Generations

Fitness

best

mean

worst

N

1 Robótica Evolutiva

2 Un primer ejemplo

3 IRSIMObstáculosLucesRecolección

4 Otros ejemplos

5 Conclusiones

N

Recolección

ANN: Exp 1

N01 N0

2 N03 N0

4 N11

N21 N2

2 . . . N28

N31 N3

2

IR0 IR1 IR6 IR7 GM0

L0

L1

L7

VL VR

F =

Nsteps∑i=0

GMoff

[V(1−

√∆v)(1− max{Ii})

]+ GMon (max{Li})

NstepsN

Recolección

ANN: Exp 1

N01 N0

2 N03 N0

4 N11

N21 N2

2 . . . N28

N31 N3

2

IR0 IR1 IR6 IR7 GM0

L0

L1

L7

VL VR

I Cromosoma:

42I Población: 50I Mutación: 5 %I Tiempo eval: 300 s.I Elites: 4

F =

Nsteps∑i=0

GMoff

[V(1−

√∆v)(1− max{Ii})

]+ GMon (max{Li})

Nsteps

N

Recolección

ANN: Exp 1

N01 N0

2 N03 N0

4 N11

N21 N2

2 . . . N28

N31 N3

2

IR0 IR1 IR6 IR7 GM0

L0

L1

L7

VL VR

I Cromosoma: 42I Población: 50I Mutación: 5 %I Tiempo eval: 300 s.I Elites: 4

F =

Nsteps∑i=0

GMoff

[V(1−

√∆v)(1− max{Ii})

]+ GMon (max{Li})

NstepsN

Recolección

ANN: Exp 1

0 20 40 60 80 100

0.0

0.2

0.4

0.6

Generations Evolution

Generations

Fitness

best

mean

worst

N

Recolección

ANN: Exp 2

N01 N0

2 N03 N0

4 N11

N21 N2

2 . . . N28 N3

1 N32 . . . N3

8

N41 N4

2

IR0 IR1 IR6 IR7 GM0

L0

L1

L7

BL0

BL1

BL7

VL VR

F =

Nsteps∑i=0

[GMoff (BL0 + BL7) + GMon(L0 + L7)

]Nsteps

(1− min

{Ncoll, 10

10

})

N

Recolección

ANN: Exp 2

N01 N0

2 N03 N0

4 N11

N21 N2

2 . . . N28 N3

1 N32 . . . N3

8

N41 N4

2

IR0 IR1 IR6 IR7 GM0

L0

L1

L7

BL0

BL1

BL7

VL VR

I Cromosoma:

74I Población: 50I Mutación: 5 %I Tiempo eval: 300 s.I Elites: 5

F =

Nsteps∑i=0

[GMoff (BL0 + BL7) + GMon(L0 + L7)

]Nsteps

(1− min

{Ncoll, 10

10

})

N

Recolección

ANN: Exp 2

N01 N0

2 N03 N0

4 N11

N21 N2

2 . . . N28 N3

1 N32 . . . N3

8

N41 N4

2

IR0 IR1 IR6 IR7 GM0

L0

L1

L7

BL0

BL1

BL7

VL VR

I Cromosoma: 74I Población: 50I Mutación: 5 %I Tiempo eval: 300 s.I Elites: 5

F =

Nsteps∑i=0

[GMoff (BL0 + BL7) + GMon(L0 + L7)

]Nsteps

(1− min

{Ncoll, 10

10

})

N

Recolección

ANN: Exp 2

0 20 40 60 80 100

0.0

0.2

0.4

0.6

0.8

Generations Evolution

Generations

Fitness

best

mean

worst

N

Recolección

ANN: Exp 3

N01 N0

2 N03 N0

4 N11

N21 N2

2 . . . N28 N3

1 N32 . . . N3

8

N41 N4

2

IR0 IR1 IR6 IR7 GM0

L0

L1

L7

BL0

BL1

BL7

VL VR

F =

Nsteps∑i=0

[GMoff (BL0 + BL7) + GMon(L0 + L7)

]Nsteps

(1− min

{Ncoll, 30

30

})( Fobj

5

)

N

Recolección

ANN: Exp 3

N01 N0

2 N03 N0

4 N11

N21 N2

2 . . . N28 N3

1 N32 . . . N3

8

N41 N4

2

IR0 IR1 IR6 IR7 GM0

L0

L1

L7

BL0

BL1

BL7

VL VR

I Cromosoma: 74I Población: 50I Mutación: 5 %I Tiempo eval: 300 s.I Elites: 5

F =

Nsteps∑i=0

[GMoff (BL0 + BL7) + GMon(L0 + L7)

]Nsteps

(1− min

{Ncoll, 30

30

})( Fobj

5

)

N

Recolección

ANN: Exp 4

N01 N0

2 N03 N0

4 N11

N21 N2

2 . . . N28 N3

1 N32 . . . N3

8

N41 N4

2

IR0 IR1 IR6 IR7 GM0

L0

L1

L7

BL0

BL1

BL7

VL VR

F =

Nsteps∑i=0

V(1−√

∆v)[GMoff (BL0 + BL7) + GMon(L0 + L7)

]Nsteps

(1− min

{Ncoll, 30

30

})( Fobj

5

)

N

Recolección

ANN: Exp 4

N01 N0

2 N03 N0

4 N11

N21 N2

2 . . . N28 N3

1 N32 . . . N3

8

N41 N4

2

IR0 IR1 IR6 IR7 GM0

L0

L1

L7

BL0

BL1

BL7

VL VR

I Cromosoma: 74I Población: 50I Mutación: 5 %I Tiempo eval: 300 s.I Elites: 5

F =Nsteps∑i=0

V(1−√

∆v)(1− max{IRi})[GMoff (BL0 + BL7) + GMon(L0 + L7)

]Nsteps

(1− min

{Ncoll, 30

30

})( Fobj

5

)

N

Recolección

ANN: Exp 5

N01 N0

2 N03 N0

4 N11 N2

1 N22 . . . N2

8 N31 N3

2 . . . N38

N41 N4

2 N43 N4

4

N51 N5

2

IR0 IR1 IR6 IR7 GM0L0

L1

L7

BL0

BL1

BL7

VL VR

F =

Nsteps∑i=0

V(1−√

∆v)[GMoff (BL0 + BL7) + GMon(L0 + L7)

]Nsteps

(1− min

{Ncoll, 30

30

})( Fobj

5

)

N

Recolección

ANN: Exp 5

N01 N0

2 N03 N0

4 N11 N2

1 N22 . . . N2

8 N31 N3

2 . . . N38

N41 N4

2 N43 N4

4

N51 N5

2

IR0 IR1 IR6 IR7 GM0L0

L1

L7

BL0

BL1

BL7

VL VR

I Cromosoma:

90I Población: 50I Mutación: 5 %I Tiempo eval: 300 s.I Elites: 4

F =Nsteps∑i=0

V(1−√

∆v)(1− max{IRi})[GMoff (BL0 + BL7) + GMon(L0 + L7)

]Nsteps

(1− min

{Ncoll, 30

30

})( Fobj

5

)

N

Recolección

ANN: Exp 5

N01 N0

2 N03 N0

4 N11 N2

1 N22 . . . N2

8 N31 N3

2 . . . N38

N41 N4

2 N43 N4

4

N51 N5

2

IR0 IR1 IR6 IR7 GM0L0

L1

L7

BL0

BL1

BL7

VL VR

I Cromosoma: 90I Población: 50I Mutación: 5 %I Tiempo eval: 300 s.I Elites: 4

F =Nsteps∑i=0

V(1−√

∆v)(1− max{IRi})[GMoff (BL0 + BL7) + GMon(L0 + L7)

]Nsteps

(1− min

{Ncoll, 30

30

})( Fobj

5

)

N

Recolección

CTRNN: Exp 6

N 01 N 0

2 N 03 N 0

4 N 11 N 1

2 ... N 18 N 2

1 N 31 N 3

2 ... N 38

N 41 N 4

2 N 43 N 4

4 N 51 N 5

2 N 53 N 5

4

N 61 N 6

2

IR0 IR1 IR6 IR7 L0 L1 L7 GM0 BL0 BL1 BL7

VL VR

F =

Nsteps∑i=0

[GMoff (BL0 + BL7) + GMon(L0 + L7)

]Nsteps

(1− min

{Ncoll, 30

30

})( Fobj

5

)

N

Recolección

CTRNN: Exp 6

N 01 N 0

2 N 03 N 0

4 N 11 N 1

2 ... N 18 N 2

1 N 31 N 3

2 ... N 38

N 41 N 4

2 N 43 N 4

4 N 51 N 5

2 N 53 N 5

4

N 61 N 6

2

IR0 IR1 IR6 IR7 L0 L1 L7 GM0 BL0 BL1 BL7

VL VR

I Cromosoma:

158I Población: 50I Mutación: 10 %I Tiempo eval: 500 s.I Elites: 6I Generaciones: 2000

F =

Nsteps∑i=0

[GMoff (BL0 + BL7) + GMon(L0 + L7)

]Nsteps

(1− min

{Ncoll, 30

30

})( Fobj

5

)

N

Recolección

CTRNN: Exp 6

N 01 N 0

2 N 03 N 0

4 N 11 N 1

2 ... N 18 N 2

1 N 31 N 3

2 ... N 38

N 41 N 4

2 N 43 N 4

4 N 51 N 5

2 N 53 N 5

4

N 61 N 6

2

IR0 IR1 IR6 IR7 L0 L1 L7 GM0 BL0 BL1 BL7

VL VR

I Cromosoma: 158I Población: 50I Mutación: 10 %I Tiempo eval: 500 s.I Elites: 6I Generaciones: 2000

F =

Nsteps∑i=0

[GMoff (BL0 + BL7) + GMon(L0 + L7)

]Nsteps

(1− min

{Ncoll, 30

30

})( Fobj

5

)

N

Recolección

CTRNN: Exp 6Evolución por partes

F0:100 =

Nsteps∑i=0

BL0 + BL7

2

Nsteps·(

1− min{

Ncoll, 1010

})

F101:1000 =

Nsteps∑i=0

[GMoff (BL0 + BL7) + GMon(L0 + L7)

]Nsteps

(1− min

{Ncoll, 10

10

})

F1001:2000 =

Nsteps∑i=0

[GMoff (BL0 + BL7) + GMon(L0 + L7)

]Nsteps

(1− min

{Ncoll, 30

30

})( Fobj

5

)

N

Recolección

CTRNN: Exp 6

0 500 1000 1500 2000

0.0

0.2

0.4

0.6

0.8

1.0

Generations Evolution

Generations

Fitness

best

mean

worst

N

Recolección

CTRNN: Exp 8

N 01 N 0

2 N 03 N 0

4 N 11 N 1

2 ... N 18 N 2

1 N 31 N 3

2 ... N 38

N 41 N 4

2 N 43 N 4

4 N 51 N 5

2 N 53 N 5

4

N 61 N 6

2

IR0 IR1 IR6 IR7 L0 L1 L7 GM0 BL0 BL1 BL7

VL VR

F =

Nsteps∑i=0

[GMoff (BL0 + BL7) + GMon(L0 + L7)

]Nsteps

(1− min

{Ncoll, 30

30

})( Fobj

5

)

N

Recolección

CTRNN: Exp 8

N 01 N 0

2 N 03 N 0

4 N 11 N 1

2 ... N 18 N 2

1 N 31 N 3

2 ... N 38

N 41 N 4

2 N 43 N 4

4 N 51 N 5

2 N 53 N 5

4

N 61 N 6

2

IR0 IR1 IR6 IR7 L0 L1 L7 GM0 BL0 BL1 BL7

VL VR

I Muestras porcromosoma: 4

I Entorno AleatorioI Generaciones: 3000

F =

Nsteps∑i=0

[GMoff (BL0 + BL7) + GMon(L0 + L7)

]Nsteps

(1− min

{Ncoll, 30

30

})( Fobj

5

)

N

Recolección

CTRNN: Exp 8

N

Recolección

CTRNN: Exp 8

0 500 1000 1500 2000 2500 3000

0.0

0.2

0.4

0.6

0.8

Generations Evolution

Generations

Fitness

best

mean

worst

N

1 Robótica Evolutiva

2 Un primer ejemplo

3 IRSIMObstáculosLucesRecolección

4 Otros ejemplos

5 Conclusiones

N

Evolución de Morfología

Evolving Virtual Creatures (Sims, 1994)

N

Evolución de Morfología

I El genotipo especifica comose genera el fenotipo

I Forma, longitud, tipo deuniviones, ángulos, etc, etc,etc, sujetos a variacióngenética

I Fitness: Nadar, caminar,saltar, seguir objetos, coger elcontrol de un cubo, ....

N

Evolución de Morfología

N

Cooperación

Evolution of Acustic Communication Between Two CooperatingRobots (Tuci y Ampatzis, 2007)

N

Cooperación

I 2 MotoresI 5 Sensores de

InfrarrojoI 2 Sensores de LuzI 1 Sensor de SueloI 1 MicrófonoI 1 Altavoz

N

Cooperación

N

1 Robótica Evolutiva

2 Un primer ejemplo

3 IRSIMObstáculosLucesRecolección

4 Otros ejemplos

5 Conclusiones

N

Conclusiones

I Por quéI No somos buenos diseñando sistemas emergentesI La robótica evolutiva puede ser la solución

I Sin embargo:I Los comportamientos evolucionados son normalmente

difíciles de analizarI Aún no se ha demostrado una diferencia con respecto a los

diseños manualesI Aún no sabemos si se pueden evolucionar

comportamientos complejosI Es posible que solo sea una herramienta más

N

Gracias

GRACIAS!!

N

Gracias

GRACIAS!!

N


Top Related