[논문 리뷰] Evolvability signatures of generative encodings: beyond standard performance benchmarks

Danesh Tarapore, Jean-Baptiste Mouret|arXiv (Cornell University)|2014. 10. 18.

Evolutionary Algorithms and Applications참고 문헌 88인용 수 5

한 줄 요약

이 논문은 진화로보틱스 분야에서 유전적 돌연변이가 행동의 다양성과 적합도 변화에 미치는 영향을 수량화하는 데 사용할 수 있는 새로운 지표인 '진화 가능성 서명(evolvability signatures)'을 도입한다. 6족 보행 로봇을 대상으로 한 실험을 통해 단일 유닛 패턴 생성기(SUPG)가 다른 인코딩 방식보다 더 유리한 진화 가능성 서명을 보이며, 고도의 돌연변이율 조건에서도 사지 손실과 같은 손상 상황에서 더 빠른 적응을 가능하게 함을 보여준다.

ABSTRACT

Evolutionary robotics is a promising approach to autonomously synthesize machines with abilities that resemble those of animals, but the field suffers from a lack of strong foundations. In particular, evolutionary systems are currently assessed solely by the fitness score their evolved artifacts can achieve for a specific task, whereas such fitness-based comparisons provide limited insights about how the same system would evaluate on different tasks, and its adaptive capabilities to respond to changes in fitness (e.g., from damages to the machine, or in new situations). To counter these limitations, we introduce the concept of "evolvability signatures", which picture the post-mutation statistical distribution of both behavior diversity (how different are the robot behaviors after a mutation?) and fitness values (how different is the fitness after a mutation?). We tested the relevance of this concept by evolving controllers for hexapod robot locomotion using five different genotype-to-phenotype mappings (direct encoding, generative encoding of open-loop and closed-loop central pattern generators, generative encoding of neural networks, and single-unit pattern generators (SUPG)). We observed a predictive relationship between the evolvability signature of each encoding and the number of generations required by hexapods to adapt from incurred damages. Our study also reveals that, across the five investigated encodings, the SUPG scheme achieved the best evolvability signature, and was always foremost in recovering an effective gait following robot damages. Overall, our evolvability signatures neatly complement existing task-performance benchmarks, and pave the way for stronger foundations for research in evolutionary robotics.

연구 동기 및 목표

• 진화로보틱스에서 작업 성능 기준에만 의존할 경우 적응 잠재력이 포착되지 않는다는 한계를 해결한다.
• 기계적 손상과 같은 새로운 예측 불가능한 도전 상황에 대해 진화 시스템이 어떻게 반응하는지 평가할 수 있는 새로운 지표를 개발한다.
• 다양한 유전자형-표현형 매핑 방식(인코딩)이 돌연변이 이후에 적응 가능하고 다양한 표현형을 생성할 수 있는 능력에 차이가 있는지 조사한다.
• 최종 적합도 점수 외에도 진화 가능성에 기반해 진화 시스템을 비교할 수 있는 프레임워크를 수립한다.
• 진화 가능성 서명이 실제 손상 복구 상황에서의 적응 성능을 예측할 수 있음을 입증한다.

제안 방법

• 진화 가능성 서명을 정의한다. 이는 인구집단 전반에서 돌연변이 이후 행동의 다양성과 적합도 변화의 통계적 분포를 의미한다.
• 유전적 돌연변이 이후 표현형 다양성을 측정하기 위해 보행 패턴 간 상호정보량(mutual information)을 사용한다.
• 적합도 변화는 돌연변이 이후 보행 성능(예: 이동 거리)의 차이로 측정한다.
• 직접 인코딩, 개방형 및 폐쇄형 CPG, CPPN 기반 신경망, SUPG를 포함한 다섯 가지 유전자형-표현형 매핑 방식에 서명 분석을 적용한다.
• 각 인코딩 방식을 제어된 손상 조건(예: 사지 상실) 하에서 6족 로봇에서 평가하여 복구 속도와 성능을 측정한다.
• 다양한 손상 상황과 돌연변이 강도에서 진화 가능성 서명과 실제 적응 성능 간 상관관계를 분석한다.

실험 결과

연구 질문

• RQ1 진화 가능성 서명은 새로운 예측 불가능한 환경에서 진화 시스템의 적응 성능을 신뢰성 있게 예측할 수 있는가?
• RQ2 다양한 생성적 인코딩(예: CPG, CPPN, SUPG)은 돌연변이 이후에 다양하고 적합한 표현형을 생성할 능력에서 어떻게 다를까?
• RQ3 높은 진화 가능성 서명은 진화된 로봇 제어기에서 기계적 손상 이후 빠른 복구를 보장하는가?
• RQ4 피드백 제어나 개방형 신호 인코딩(예: SUPG에서의 것)은 고정 파형 인코딩에 비해 진화 가능성을 얼마나 향상시키는가?
• RQ5 작업 특화 적합도보다 진화 가능성 서명이 진화 시스템을 비교하는 데 더 정보적인 기준이 될 수 있는가?

주요 결과

• SUPG 인코딩이 가장 유리한 진화 가능성 서명을 확보하였으며, 돌연변이 이후 행동 다양성과 적합도 변화가 가장 높았다. 이는 모든 다른 인코딩보다 뛰어난 성능을 보였다.
• 유사한 작업 성능을 보였음에도 불구하고, SUPG는 다른 인코딩, 특히 폐쇄형 CPG와 비교해 사지 손상 이후 빠르게 복구하는 경향을 보였다.
• 진화 가능성 서명은 적응 속도를 예측할 수 있었다: 서명 값이 높은 인코딩일수록 손상 상황에서 더 빠른 복구를 보였다.
• 돌연변이 강도가 16배 증가한 상황에서도 SUPG는 높은 내구성과 신속한 복구 능력을 유지하여 강건한 진화 가능성을 보였다.
• SUPG에 내장된 폐쇄형 피드백 제어와 개방형 신호 인코딩은 동적 보행 재구성(예: 도우티 사이클 조정)을 가능하게 하여 적응 능력을 향상시켰을 것이다.
• 진화 가능성 서명 프레임워크는 유사한 적합도 점수를 보이는 인코딩들 사이에서 숨겨진 적응 잠재력의 차이를 효과적으로 식별하였다.