इवोल्यूशनरी रोबोटिक्स (ईआर) एक ऐसी पद्धति है जो स्वायत्त रोबोट के लिए नियंत्रकों और / या हार्डवेयर विकसित करने के लिए विकासवादी गणना का उपयोग करती है। ईआर में एल्गोरिदम अक्सर उम्मीदवार नियंत्रकों की आबादी पर काम करते हैं, शुरुआत में कुछ वितरण से चुने गए। फिटनेस फ़ंक्शन के अनुसार इस आबादी को बार-बार संशोधित किया जाता है। आनुवंशिक एल्गोरिदम (या “जीएएस”) के मामले में, विकासवादी गणना में एक आम विधि, उम्मीदवार नियंत्रकों की आबादी को बार-बार, उत्परिवर्तन और अन्य जीए ऑपरेटरों के अनुसार उगाया जाता है और फिर फिटनेस फ़ंक्शन के अनुसार खींचा जाता है। ईआर अनुप्रयोगों में उपयोग किए जाने वाले उम्मीदवार नियंत्रक कृत्रिम तंत्रिका नेटवर्क के सेट के कुछ सबसेट से खींचे जा सकते हैं, हालांकि कुछ अनुप्रयोग (सैमुएल सहित, नेवल सेंटर फॉर एप्लाइड रिसर्च इन आर्टिफिशियल इंटेलिजेंस में विकसित) “आईएफ फिर ईएलएसई” नियमों का संग्रह व्यक्तिगत नियंत्रक के घटक भागों के रूप में करते हैं। संभावित उम्मीदवार नियंत्रकों की जगह के रूप में नियंत्रण कानून (कभी-कभी मशीन लर्निंग समुदाय में नीति कहा जाता है) के प्रतीकात्मक फॉर्मूलेशन के किसी भी सेट का उपयोग करना सैद्धांतिक रूप से संभव है। कृत्रिम तंत्रिका नेटवर्क का विकास विकासवादी रोबोटिक्स के संदर्भ में रोबोट सीखने के लिए भी किया जा सकता है। विशेष रूप से, रोबोट नियंत्रकों को सीखने के लिए मजबूती के सीखने के अन्य रूपों का उपयोग किया जा सकता है। संभावित उम्मीदवार नियंत्रकों की जगह के रूप में नियंत्रण कानून (कभी-कभी मशीन लर्निंग समुदाय में नीति कहा जाता है) के प्रतीकात्मक फॉर्मूलेशन के किसी भी सेट का उपयोग करना सैद्धांतिक रूप से संभव है। कृत्रिम तंत्रिका नेटवर्क का विकास विकासवादी रोबोटिक्स के संदर्भ में रोबोट सीखने के लिए भी किया जा सकता है। विशेष रूप से, रोबोट नियंत्रकों को सीखने के लिए मजबूती के सीखने के अन्य रूपों का उपयोग किया जा सकता है। संभावित उम्मीदवार नियंत्रकों की जगह के रूप में नियंत्रण कानून (कभी-कभी मशीन लर्निंग समुदाय में नीति कहा जाता है) के प्रतीकात्मक फॉर्मूलेशन के किसी भी सेट का उपयोग करना सैद्धांतिक रूप से संभव है। कृत्रिम तंत्रिका नेटवर्क का विकास विकासवादी रोबोटिक्स के संदर्भ में रोबोट सीखने के लिए भी किया जा सकता है। विशेष रूप से, रोबोट नियंत्रकों को सीखने के लिए मजबूती के सीखने के अन्य रूपों का उपयोग किया जा सकता है।

विकासशील रोबोटिक्स से संबंधित है, लेकिन विकासवादी रोबोटिक्स से अलग है। ईआर समय के साथ विकसित होने वाले रोबोटों की आबादी का उपयोग करता है, जबकि देवरोब इस बात में रुचि रखते हैं कि एक रोबोट की नियंत्रण प्रणाली का संगठन समय के साथ अनुभव के माध्यम से कैसे विकसित होता है।

इतिहास
ईआर की नींव 90 के दशक में रोम में राष्ट्रीय शोध परिषद में काम के साथ रखी गई थी, लेकिन एक जीनोम में रोबोट नियंत्रण प्रणाली को एन्कोड करने का प्रारंभिक विचार और कृत्रिम विकास में सुधार हुआ है, जो 80 के दशक के उत्तरार्ध में है।

1 99 2 और 1 99 3 में तीन शोध समूह, लुसाने में ईपीएफएल में फ्लोरानो और मोंडाडा के आसपास एक और दूसरा दूसरा ससेक्स विश्वविद्यालय में सीओजीएस से क्लिफ, हार्वे और पति शामिल था और दक्षिणी कैलिफ़ोर्निया विश्वविद्यालय के एक तिहाई में एम। एंथनी लुईस और एंड्रयू एच फग ने स्वायत्त रोबोट के कृत्रिम विकास पर प्रयोगों से आशाजनक परिणामों की सूचना दी। इस शुरुआती शोध की सफलता ने दृष्टिकोण की क्षमता का उपयोग करने की कोशिश कर रहे दुनिया भर में प्रयोगशालाओं में गतिविधि की लहर को जन्म दिया।

हाल ही में, रोबोट कार्यों की जटिलता को “स्केलिंग” करने में कठिनाई ने कुछ हद तक इंजीनियरिंग अंत के बजाय क्षेत्र के सैद्धांतिक अंत की तरफ ध्यान दिया है।

उद्देश्य
विकासवादी रोबोटिक्स कई अलग-अलग उद्देश्यों के साथ किया जाता है, अक्सर एक ही समय में। इनमें वास्तविक दुनिया के रोबोट कार्यों के लिए उपयोगी नियंत्रक बनाने, विकासवादी सिद्धांत (जैसे बाल्डविन प्रभाव) की जटिलताओं की खोज, मनोवैज्ञानिक घटनाओं का पुनरुत्पादन, और कृत्रिम लोगों का अध्ययन करके जैविक तंत्रिका नेटवर्क के बारे में पता लगाना शामिल है। कृत्रिम विकास के माध्यम से नियंत्रकों को बनाने के लिए बड़ी आबादी के मूल्यांकन की बड़ी संख्या की आवश्यकता होती है। यह बहुत समय लेने वाला है, जो कि कारणों में से एक है क्योंकि नियंत्रक विकास आमतौर पर सॉफ्टवेयर में किया जाता है। इसके अलावा, प्रारंभिक यादृच्छिक नियंत्रक संभावित रूप से हानिकारक व्यवहार प्रदर्शित कर सकते हैं, जैसे कि दीवार में बार-बार दुर्घटनाग्रस्त होकर, जो रोबोट को नुकसान पहुंचा सकता है। भौतिक रोबोटों के अनुकरण में विकसित नियंत्रकों को स्थानांतरित करना बहुत मुश्किल है और ईआर दृष्टिकोण का उपयोग करने में एक बड़ी चुनौती है। इसका कारण यह है कि सिमुलेशन की किसी भी गलतियों सहित उच्च फिटनेस प्राप्त करने के लिए सभी संभावनाओं का पता लगाने के लिए विकास मुक्त है। बड़ी संख्या में मूल्यांकन की आवश्यकता है, जिसके लिए अभी तक सटीक कंप्यूटर सिमुलेशन की आवश्यकता है, ईआर दृष्टिकोण के सीमित कारकों में से एक है।

Related Post

दुर्लभ मामलों में, नियंत्रक के अलावा रोबोट की भौतिक संरचना को डिजाइन करने के लिए विकासवादी गणना का उपयोग किया जा सकता है। इसके बारे में सबसे उल्लेखनीय उदाहरणों में से एक सोच मशीनों निगम के लिए कार्ल सिम्स का डेमो था।

प्रेरणा
आमतौर पर इस्तेमाल किए जाने वाले कई मशीन सीखने वाले एल्गोरिदम को प्रशिक्षण उदाहरणों का एक सेट की आवश्यकता होती है जिसमें एक काल्पनिक इनपुट और वांछित उत्तर दोनों होते हैं। कई रोबोट सीखने के अनुप्रयोगों में वांछित उत्तर रोबोट के लिए एक कार्रवाई है। ये क्रियाएं आमतौर पर प्राथमिकता से पहले नहीं जानी जाती हैं, इसके बजाय रोबोट, सर्वोत्तम रूप से, किसी दिए गए कार्यवाही की सफलता या विफलता को इंगित करने वाला मान प्राप्त कर सकता है। विकासवादी एल्गोरिदम इस प्रकार की समस्या ढांचे के प्राकृतिक समाधान हैं, क्योंकि फिटनेस फ़ंक्शन को नियंत्रक को सटीक कार्यों के बजाय, किसी दिए गए नियंत्रक की सफलता या विफलता को केवल एन्कोड करने की आवश्यकता होती है। रोबोट सीखने में विकासवादी गणना के उपयोग के लिए एक विकल्प किसी भी विशेष कार्रवाई की फिटनेस सीखने के लिए, क्यू-लर्निंग जैसे सुदृढीकरण सीखने के अन्य रूपों का उपयोग है,

सम्मेलन और संस्थान

मुख्य सम्मेलन
जेनेटिक और विकासवादी गणना सम्मेलन
विकासवादी गणना पर आईईईई कांग्रेस
कृत्रिम जीवन पर यूरोपीय सम्मेलन
एक जिंदगी

अकादमिक संस्थानों और शोधकर्ताओं
चल्मर प्रौद्योगिकी विश्वविद्यालय: पीटर नॉर्डिन, द ह्यूमनोइड प्रोजेक्ट
ससेक्स विश्वविद्यालय: इंमान हार्वे, फिल पति, इज़क्विएल डी पाओलो
Consiglio Nazionale डेले Ricerche (सीएनआर): Stefano Nolfi
ईपीएफएल: डारियो फ्लोरानो
ज़्यूरिख विश्वविद्यालय: रॉल्फ पेफेफर
कॉर्नेल विश्वविद्यालय: होड लिपसन
वरमोंट विश्वविद्यालय: जोश बोंगार्ड
इंडियाना यूनिवर्सिटी: रैंडल बीयर
सेंटर फॉर रोबोटिक्स एंड इंटेलिजेंट मशीन्स, उत्तरी कैरोलिना स्टेट यूनिवर्सिटी: एडी ग्रांट, एंड्रयू नेल्सन
यूनिवर्सिटी कॉलेज लंदन: पीटर जे। बेंटले
आईडीएसआईए रोबोटिक्स लैब: जुर्गेन श्मिटहुबर, जुक्सी लीटनर
यूएस नौसेना अनुसंधान प्रयोगशाला
ओस्नाब्रुक विश्वविद्यालय, न्यूरोसाइबरनेटिक्स समूह: फ्रैंक पासमैन
कार्ल सिम्स (जेनआर्ट्स) द्वारा विकसित वर्चुअल प्राइवर्स
केन Rinaldo कृत्रिम जीवन रोबोटिक्स
यूरोपीय अंतरिक्ष एजेंसी की उन्नत अवधारणा टीम: डारियो इज्जो
बास्क देश विश्वविद्यालय (यूपीवी-ईएचयू): रोबोटिका इवोलुतिवा, पाब्लो गोंज़ालेज-नाल्डा (स्पेनिश में) पीडीएफ (अंग्रेजी में)
प्लाईमाउथ विश्वविद्यालय: एंजेलो कैंजोली, डेविड मार्को, फैबियो रुइनी, * मार्टिन पेनियाक
हेरियट-वाट विश्वविद्यालय: पेट्रीसिया ए वर्गास
पियरे और मैरी क्यूरी विश्वविद्यालय, आईएसआईआर: स्टीफन डॉनसिएक्स, जीन-बैपटिस्ट मॉरेट
पेरिस-सुड विश्वविद्यालय और आईएनआरआईए, आईएओ / टीएओ: निकोलस ब्रेडेचे
रिकेन ब्रेन साइंस इंस्टीट्यूट
कार्ल्सृहे प्रौद्योगिकी संस्थान, एप्लाइड सूचना विज्ञान संस्थान और औपचारिक विवरण तरीके: लुकास कोएनिग

Share