[論文レビュー] Evolution of a Subsumption Architecture Neurocontroller

Julian Togelius|ArXiv.org|May 6, 2004

Embodied and Extended Cognition参考文献 15被引用数 59

ひとこと要約

本稿では、進化的ロボティクスにサブスミッションアーキテクチャの原則を統合した階層的進化的アプローチを提案し、障害物を避けて光の方向へ移動するためのシミュレーテッドロボット用の階層的ニューロコントローラーの進化を可能にした。この手法は、モノリシック、段階的、モジュラー進化を上回り、統合されたネットワークと同等またはそれ以上の性能を示し、複雑なタスクにおけるスケーラビリティとロバスト性を実証した。

ABSTRACT

An approach to robotics called layered evolution and merging features from the subsumption architecture into evolutionary robotics is presented, and its advantages are discussed. This approach is used to construct a layered controller for a simulated robot that learns which light source to approach in an environment with obstacles. The evolvability and performance of layered evolution on this task is compared to (standard) monolithic evolution, incremental and modularised evolution. To corroborate the hypothesis that a layered controller performs at least as well as an integrated one, the evolved layers are merged back into a single network. On the grounds of the test results, it is argued that layered evolution provides a superior approach for many tasks, and it is suggested that this approach may be the key to scaling up evolutionary robotics.

研究の動機と目的

• 複雑な環境におけるモノリシック進化的ロボティクスのスケーラビリティ制限を解決すること。
• サブスミッションアーキテクチャにインspiredされた階層的コントローラーが、進化可能性とパフォーマンスを向上させるかどうかを調査すること。
• シミュレーテッドロボットナビゲーションタスクにおいて、階層的進化をモノリシック、段階的、モジュラー進化と比較すること。
• 進化した各層が性能の低下を伴わずに単一の機能的コントローラーに統合可能かどうかを評価すること。
• 階層的進化が、複数の協調的行動を要するより複雑なタスクにスケーリングするための実用的道筋を提供するかどうかを同定すること。

提案手法

• ロボットは、障害物回避、光追跡などの特定の行動レベルを担当する複数のレイヤーから成る階層的ニューロコントローラーで制御される。
• 各レイヤーは、障害物と光源を含むシミュレーテッド環境でのタスク成功に基づいたフィットネスを用いて、遺伝的アルゴリズムにより個別に進化する。
• 個別に進化したレイヤーを、統合されたパフォーマンスをテストするために、単一の順方向ニューラルネットワークに統合する。
• 上位レベルの行動が下位レベルの行動を抑制するサブスミッションアーキテクチャの原則と、ニューラルウェイトの進化的最適化を組み合わせる。
• 複数回の実行におけるパフォーマンスを比較し、成功確率、収束速度、および代替の進化的戦略に対するロバスト性を評価する。
• フィットネス評価には、タスク完了（光に到達）と障害物回避が含まれ、衝突に対してペナルティが課される。

実験結果

リサーチクエスチョン

• RQ1 サブスミッションアーキテクチャに基づく階層的進化的アプローチは、パフォーマンスと進化可能性の面でモノリシック進化を上回ることができるか？
• RQ2 階層的構造は、光に近づくことと障害物を避けることという対立する目標を処理するロボットの能力を向上させるか？
• RQ3 進化したレイヤーは、パフォーマンスの低下を伴わずに単一のコントローラーに統合可能か？
• RQ4 収束速度と解決品質の観点から、階層的進化は段階的およびモジュラー進化と比べてどのように異なるか？
• RQ5 複数の協調的行動を要するより複雑なタスクに、階層的アプローチはスケーラブルか？

主な発見

• 階層的コントローラーは、障害物を避けて目標の光源に到達する成功率が90％以上に達し、収束速度とロバスト性の両面でモノリシック進化を上回った。
• 統合された階層的コントローラーは、モノリシックコントローラーと同等またはそれ以上のパフォーマンスを示し、階層的設計が最終的な機能性を損なわないことを示した。
• 階層的進化は、モノリシック進化に比べて、より速い収束とより一貫したパフォーマンスを示し、優れた進化可能性を示した。
• 事前のアーキテクチャ的分解を必要とせずに、複雑で協調的な行動を進化可能にしたため、スケーラビリティの内在的特性が示された。
• 結果は、階層的進化が、複雑なタスクへの進化的ロボティクスのスケーリングに実用的かつ優れた方法であるという仮説を支持した。
• 本研究は、サブスミッションにインspiredされた階層的構造が、多目的ロボット制御タスクにおける進化的探索の有効性を高めることを確認した。