Kolloquium Vortrag - Das Ziel dieser Diplomarbeit ist eine effektivere Suche einer Morphologie und eines darauf aufbauenden Laufverhaltens von Robotern. Dabei sollten die Roboter möglichst stabil laufen, bei größtmöglicher Geschwindigkeit. Ein weiteres Kriterium wird die Energieeffizienz darstellen. Erreicht werden soll dies mittels einer kooperativen Suche durch einen Koevolutionären Algorithmus. Anschliessend sollen die Ergebnisse der Koevolution mit den Ergebnissen eines Evolutionären Algorithmus verglichen werden um zu untersuchen, ob die Koevolution ein besseres Lösungspaar hervorbringt. Die MARS Simulation wird dabei als Testumgebung dienen.
Die Bewegung von Robotern kann auf zwei Wegen optimiert werden: Zum einen das Laufverhalten und zum anderen die Morphologie. Bei dem Laufverhalten wird sich an ein CPG-Modell gehalten. Der Körperbau des Spaceclimbers wird als Vorlage der Morphologie dienen. Als Parameter wird dabei die Länge der einzelnen Gelenke sowie die Breite und Länge des Körpers verwendet.
Da bei dem Problem der Morphologie und dem Problem des Laufverhaltens der Suchraum sehr groß ist, werden zur Suche nach besseren Lösungen heuristische Suchverfahren verwendet. Eine der bekanntesten Gruppen bilden die Evolutionären Algorithmen. Eine Erweiterung der Evolutionären Algorithmen ist die Koevolution. Hierbei soll erreicht werden, dass zwei Populationen eines Problems sich gegenseitig bei deren Suche beeinflussen und gegebenenfalls unterstützen. Die Populationen bestehen hierbei aus einer begrenzten Anzahl von Individuen. Die Individuen repräsentieren jeweils eine Kodierung der Parameter der Morphologie beziehungsweise des Laufverhaltens. Diese Kodierung wird als Genom bezeichnet. Es existieren bereits Arbeiten, die jeweils Lösungen eines der Probleme optimieren, während das andere konstant bleiben. Im Projekt Spaceclimber wird momentan die Suche nach einem geeigneten Paar mittels eines Evolutionären Algorithmus durchgeführt. Dabei sind eine Morphologie und ein Laufverhalten zusammen in einem Genom kodiert. Die Paare sind demnach gekoppelt.
Koevolution ist eine Form von Evolutionären Algorithmen, bei der die Fitnessevaluation auf der Interaktion zwischen mehreren Individuen verschiedener Populationen basiert. Diese Interaktionen der Populationen können dabei kooperativ oder kompetitiv sein. Kooperative Populationen unterstützen sich bei der Suche, wohingegen Kompetitive Populationen versuchen andere Populationen zu dominieren.
In dieser Diplomarbeit wird versucht mithilfe einer kooperativen Koevolution in dieser Diplomarbeit zu zeigen, dass eine Morphologie und ein dazu passendes Laufverhalten gefunden werden können, die zusammen bessere Ergebnisse liefern, als es die bisherigen "einfachen" Verfahren taten. Die Morphologie und die Laufbewegung werden jeweils in einer eigenen Population optimiert, wodurch eine Entkoppelung von Paaren geschieht.
Der Koevolutionäre Algorithmus wird durch zwei parallel laufende Evolutionäre Algorithmen realisiert, die Genome werden dann bei der Fitnessevaluation gekoppelt und der gleichen Fitnessfunktion übergeben, wie bei dem Evolutionären Algorithmus. Dadurch ist die Fitnessberechnung dieselbe und man hat einen direkten Vergleich zwischen Evolutionären und Koevolutionären Algorithmen. Beides wird mit der Covariance Matrix Adaptation Evolution Strategy (CMA-ES) realisiert. Das Framework ist als Opensource verfügbar und wird u.a. im Spaceclimber Projekt eingesetzt.