Evolution - Ich war dabei

Als ich das Laboratory of Intelligent Systems (LIS) von Prof. Dr. Floreano an der Ecole Polytechnique Federale de Lausanne (EPFL) besuchte, wurde ich gebeten einen kurzen Vortrag über meine persönlichen Ansichten über künstliche Evolution zu halten. Da das LIS selbst eine Kapazität in diesem faszinierenden Forschungsgebiet mit großer Erfahrung und vielen spannenden Projekten darstellt, hattem wir viele interessante Diskussionen. Auf dieser Seite möchte ich eine kurze Einführung und einen Überblick über dieses riesige Forschungsgebite geben. Weiter unten, steht ein Dokument mit vielen Fakten und Projekten zum Download zur Verfügung (Die Beispiele stammen meist aus dem Bereich der Laufroboter).

Ingenieurskunst:

Im klassischen Ingenieursansatz wird der Designer von hochkomplexen Morphologien mit schwerwiegenden Modellierungsproblemen konfrontiert. Obwohl die Vorteile von ökologischer Balance (Auslagerung von Kontrolle an die Morphologie und die Umgebung) in so genannten Billigkonstuktionen (Cheap Design) gerade erforscht werden, ist es sehr schwer gute einfache Designs (Kontrolle und Morphologie) zu finden, da alle Nebeneffekte berücksichtigt werden müssen.

Besonders schwierig ist hierbei die Erstellung eines Kontrollprogramms für autonomome Roboter: Um exaktes und vorhersagbares Verhalten zu erreichen, braucht es viel Aufwand füer Sensoren und Aktuatoren: Korrektur von intrinsischen nicht-linearem Verhalten, besonderen Schutz vor Rauschen und höchst genaue Messinstrumente.

Um diesen Schwierigkeiten Herr zu werden, braucht ein menschlicher Designer sehr viel Vorwissen über die Kinematik des Roboter und seiner Umgebung. Darüberhinaus benötigt er Kenntnisse in Mechanik, Regelungstechnik, Differentialgleichungen und Numerik.

Infolgedessen spielt die Modellierungsphase eine besonders wichtige Rolle, wogegen die Verhaltensanalyse lediglich eine Bestätigung des Modell ist.

Evolution:

Mit künstlicher Evolution kann die Modellierungsphase reduziert oder gar weggelassen werden um mehr Raum für die Verhaltensanalyse zu lassen, welche in der Tat eine Schlüsselaufgabe ist. Auf dieser Basis ist künstliche Evolution fähig die festen Konzepte eines menschlichen Designers zu überwinden und wahrhaft innovative Design und neue Arten von Sensor-Motor-Koordination hervorzubringen.

In Evolutionärer Robotik (ER), werden Kontrollprogramme oder Algorithmen durch evolutionäre Algorithms (EA) erstellt und stellen somit eine Art des Maschinellen Lernens dar. Der Lernprozess findet nur zwischen Generationen statt. Meist als überwachtes Lernen, d.h. die Anpassung der Parameter wird von einerexternen Bewertungsfunktion (der sogenannten Fitnessfunktion) kontrolliert.
Die Grundprozedur kann wie folgt zusammengefasst werden: Die Genome einer Anfangspopulation von Robotern/Programmen/Parameter etc (je nachdem wie die Problemlösung repräsentiert wird) wird erstellt (meist zufällig). Auf dieser Grundlage werden dann die einzelnen Individuen (sogenannter Phenotyp) entwickelt. Dann wir die Fitness jedes Individuums berechnet durch Bewertung des resultierenden Verhaltens (wie gut die Aufgabe erfüllt wird). Die besten Individuen werden ausgewählt zwecks Reproduktion. Der Nachkomme is dann eine Mischung der Genome der Eltern. Eventuell wird Mutation angewendet. Jetzt beginnt die Prozedur von vorne mit der Entwicklung der Nachkommen und deren Bewertung.

Verkörperte Evolution ist noch mehr inspiriert durch die natürliche Evolution. Das Ziel ist eine groß frei interagierender Roboter in einer gemeinsamen Umgebung zu haben, von denen jedes versucht eine Aufgabe zu erfüllen bsp. Objekte zu sammeln, die Nahrung oder Energie repräsentieren. Die Roboter "paaren" sich (e.g. durch Austausch von Genen), produzieren Nachkommen (-kontrollprogramme), die dann in anderen Mitgliedern der Population ansässig werden. Natürlich ist die Wahrscheinlichkeit, dass sich ein Roboter reproduziert durch seine Fähigkeit bestimmt wird seine Aufgabe zu erfüllen (e.g. ‘Energie’ sammeln). In dieser Vorgehensweise vereiniget die Verkörperte Evolution künstliches Leben, evolutionäre Robotik and kollektive Robotik.

Unbefristete Evolution kommt natürlicher Evolution am nächsten und bildet die most challenging Disziplin in diesem Bereich. Sie ist definiert als evolutionärer Prozess, der zur ENtwicklung von neuen Eigenschaftenführt (bsp. aufrechter Gang, Metabolismus), die für einen langen evolutionären Zeitraum bestehen bleiben und die Grundlage für weitere evolutionäre Stadien bilden. Durch (fast) unbegrenzte Vielfalt während der Wachstumsphase, zeigt das System ständig neue Anpssungaktivität durch wachsende Komplexität des Organismus um mit den Herausforderungen seiner Umgebung schrittzuhalten. Dieser Selektionsdruck wird durch Ändern der Umgebung und des sozialen Kontexts des Individuums verstärkt. Bisher wurde unbefristete Evolution allerdings selten erreicht.


Ein kurze Zusammenfassung der wichtigsten Punkte findet ihr hier.
Die gesamte Ausarbeitung bekommt ihr hier.