Στην εργασία αυτή διερευνάται μία εξελικτική μεθοδολογία εκπαίδευσης ρομποτικών ελεγκτών η οποία βασίζεται σε μεθόδους «τεχνητής ζωής» (artificial life). Ως υπολογιστικά μοντέλα για τον έλεγχο των ρομπότ χρησιμοποιούνται νευρωνικά δίκτυα με βιολογικά εμπνευσμένους μηχανισμούς μάθησης τα οποία εξελίσσονται μέσω γενετικών αλγορίθμων. Η διαφοροποίηση στην παρούσα εργασία σε σχέση με τις τυπικές εξελικτικές μεθόδους είναι ότι αποφεύγεται η χρήση συνάρτησης καταλληλότητας ως κριτήριο εξέλιξης και οι νευρωνικοί ελεγκτές εξελίσσονται με τη μέθοδο της «τεχνητής ζωής», δηλαδή, με κριτήριο την ικανότητα των ρομπότ να επιβιώνουν σε κάποιο τεχνητό «περιβάλλον». Η προσέγγιση αξιολογείται πειραματικά χρησιμοποιώντας διάφορους τύπους μηχανισμών μάθησης σε «περιβάλλοντα» που διαφοροποιούνται ως προς τη δυσκολία επιβίωσης.
(EL)
University of Ioannina
