Cross-Task Collaborative Optimization Based on Knowledge Transfer for Soft Robot Design

Jiliang Zhao

doi:10.1109/TEVC.2025.3573828

Cross-Task Collaborative Optimization Based on Knowledge Transfer for Soft Robot Design

2025-05-26

0

PRE

AI

DOI：10.1109/TEVC.2025.3573828

原文链接

原文求助

摘要

En 中文

软体机器人的自动设计是形态演变与控制学习交织的过程。由于强化学习需要反复用于学习每个候选机器人设计的控制策略，设计过程变得耗时。目前，机器人领域的常见设计范式基于单一任务。实际上，不同任务之间存在控制相似性。学习具有组合泛化能力的跨任务控制器可以显著降低设计过程的计算成本。为此，我们提出了一种跨任务协同进化算法，构建能够同时解决一组任务的通用控制器。该通用控制器旨在学习一种可泛化到未见形态的控制策略，而非“一个机器人、一个控制器、一个任务”的范式。在控制器学习简单任务后，通用控制器可进一步迁移到新的困难任务。此外，知识迁移被纳入搜索策略以增强通用控制器的性能。13个测试任务的实验结果表明，所提算法在其中的8个任务上优于当前最优（SOTA）设计算法。与这些算法相比，所提算法在实现相当性能的同时，将计算成本降低了55%，尤其在未见困难任务上表现突出。

Keyword:

Morphological optimization

soft robot design

universal controller

Cross-Task Collaborative Optimization Based on Knowledge Transfer for Soft Robot Design

摘要

期刊

机构

引用论文