81、进化机器人学与数据聚类算法：原理、挑战与应用

进化机器人学与数据聚类算法：原理、挑战与应用

进化机器人学

自动进化机器人的成果

利用快速制造技术（如塑料挤出 3D 打印），能够制造出像图 7 那样全自动进化的机器人。通过在“有限宇宙”物理模拟中结合自动制造技术，实现了设计和构建的自主性。这种高度非常规的设计在现实中的表现和模拟中一样出色，为开发节能、容错的机器开辟了新的可能性。

关键研究方向

苏黎世大学的 Pfeifer 及其同事探索了全可进化机器人硬件的关键问题，即身体形态、神经处理和环境在产生适应性行为中的平衡相互作用，并为智能系统制定了一套设计原则。目前在这方面的有趣工作包括 Bongard（2011）和 Johnson 等人（2014）的研究。

未来挑战

• 方法、理论和技术层面 ：在进化框架中纳入发育和终身可塑性的最佳方法；更好地理解进化神经控制器最有用的构建模块；找到有效扩展同时进化身体和大脑工作的方法，尤其是在现实世界中以开放式方式进行。
• 其他有趣的发展方向 ：群体行为的进化和通信的出现；将进化机器人学作为工具来阐明认知科学和神经科学中的问题；开发飞行行为；具有某种自我模型的机器人等。

推荐阅读

• Beer RD (2003) The dynamics of active categorical perception in an evolved model agent (with commentary and response). Adapt Behav 11(4