Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
Adaptácia architektúry NS
Uniformne prepojené NS môžu aproximovať ľubovoľnú funkciu, aletyp funkcie, ktorú sa môžu naučiť silne závisí na topológii sietegeneralizácia = schopnosť dávať správne výstupy aj na vstupy,ktoré ešte siete nevidela
príliš malé siete sa nedokážu naučiť správne zobrazeniepríliš veľké siete zle generalizujú
3 metódy automatického návrhu topológie siete: rast, prerezávanie(prunning) a dekompozíciarast - začína sa s príliš malými sieťami a postupne sa pridávajúneuróny
kaskádový algoritmus učenia koreláciízačína so vstupnými neurónmi priamo spojenými s výstupnýmiobmedzenú dobu sa učí; keď chyba neklesne pod nejakú hranicu, tak sapridá neurón (vstupy - vstupné a doteraz pridané neuróny)
Adaptácia architektúry NS
Prerezávanie – začne sa s veľkou sieťou a postupne sa rušia spoje, dokiaľsa chyba nezhorší
napr. sa rušia spoje s váhami blízkymi 0
Dekompozícia – napr. adaptívne spojenie lokálnych expertovzačne sa so skupinou pod-sietí s rovnakými vstupmi a výstupmi, ale s rôznouarchitektúrouv priebehu učenia moduly súťažia v učení sa vzorov; rôzne pod-siete sa naučiarôzne vzory
porovnanie s evolučným učením architektúry NSvyššie uvedené algoritmy sú založené na učení s učiteľom, keď máme dostatok vzorov<vstup, požadovaný výstup>umelá evolúcia: menšia spätná väzba, ale zakódovať (a adaptovať) je možné ľubovoľnúcharakteristiku systému (váhy, topológiu, senzoricko/mororický systém, štruktúru tela, …)vyššie uvedené algoritmy - iba zmeny učením, ale umelá evolúcia učenie i rast
Kódovanie na úrovni buniek
Rast nervovej sústavy:delenie buniek a diferenciáciamigrácia neurónov do konečnej polohyrast spojov
Cangelosi (1994) - delenie buniek a migráciagenotyp - pravidlá delenia a migrácie (v 2D)zobrazenie genotypu na fenotyp - začne sa s 1 bunkou, delí sa a bunkyputujú do konečných pozícií v rovine; potom narastú spoje medzi nimi
počet delení je geneticky zhora obmedzenývývoj končí pred „oživením“
Grau (1994) - delenie a diferenciáciaprepis genotypu na fenotyp - začne s 1 bunkou, pokračuje delením atransformáciami
Kódovanie na úrovni buniek
Grau (1994) - pokračovaniegenotyp: pravidlá pre delenie a transformácie (pridávanie novýchspojov, zmena váh)rôzne formy delenia, napr.
Grauova simulácia šesťnohéhorobota
Genotyp: binárny stromprepis do fenotypu: založí sa neurón zodpovedajúci koreňu stromu
• uzol popisuje operácie, ktoré sa majú na bunke vykonať• podstromy popisujú, čo sa má urobiť na potomkoch po delení• terminálne uzly sa ďalej nedelia• vylepšená verzia: inšpirovaná genetickým programovaním - terminálny uzol sa
môže odkazovať na iný strom - Automatické Definovanie Neurónových podsietí(ADNS)
– kompaktnost– evolúcia môže využiť opakujúce sa štruktúry
aplikácia: šesťnohý robot• a) bez ADNS robot chodil v 1/2 behov
– kríženie - zámena podstromov
• b) s ADNS robot chodil v 2/2 behov– genotyp obsahoval 3 stromy, odazy iba v lexikografickom usporiadaní– kríženie - zámena podstromov (aj celých stromov)
Paramtre Grauovej simuláciešesťnohého robota
Vyhodnocovanie: 7 rôznych konfigurácií nôh v rôznych epocháchfitness: ujdená vzdialenosť; počiatočná konfigurácia nôh v rôznychsubpopuláciách bola menenágenotyp: strom
14 rôznych symbolov, niektoré s parametrom (napr. C_4 „urež 4 spoje“)genetické operátory sa aplikovali dokiaľ sa nenašiel kód zostrojiteľnej siete alemax 2 hodinypoč. populácia - stromy s 60 uzlami; 600 uzlov maximumpopulácia na 32 ostrovoch na toroide, každá 64 jedincovpravdepodobnosť spárovania úmerná vzdialenosti na toroidepotomkovia: buď dvoch rôznych jedincov, alebo iba jedného rodičamutácia 0,5%
Grauova simulácia šesťnohéhorobota
S ADNS výsledné siete dobre štruktúrovanéS ešte podrobnejším modelom robota - bez špecifikácie architektúry a informáciíako je možné rozdeliť problém na podúlohy je možné pomocou ADNS nájsťriadenie pre chodiaceho robota – 1.000.000 generácií
Kodjabachian a Meyer (1998) jednoduché geometricky orientovanékódovanie buniek (JGOKB)
simulovaný šesťnohý robotneuróny pestujú spoje na 2D podklade; ich poloha ovplyvňuje možnosti spojovkríženie - zámena podstromov GPgenotyp - 6 inštrukcií
DIVIDE - delenie;GRAW/DRAW - vstup./výstupný spoj s parametrami uhol, vzdialenosť a váhaSETTAU/SETBIAS - nastavenie časovej konštanty/prahu bunkyDIE - zomri!
Kodjabachian a Meyer
Fitness: ujdená vzdialenosť + člen podporujúci pohyb nôhstabilný genetický algoritmus; 200 jedincov v populáciigenotypy rozmiestnené na kružnicinový jedinec:
náhodne sa zvolí bod kružnice Pnáhodne sa zvolia dvaja jedinci blízko P - pravdepodobnosť zvolenia jenepriamo úmerná vzdialenosti od Putvorí sa nový jedinec a ohodnotí sa
• kríženie a 2 druhy mutácie– podstrom nahradený kompatibilným podstromom– mutácia parametra
• obmedzenia: max. 3 po sebe idúce delenia, max. počet spojov na bunku 4,všetky podprogramy musia byť korektné stromy (gramatikou)
turnajom sa zvolí sused v blízkosti P, ktorý bude nahradený novýmjedincom
Kodjabachian a Meyer
manuálne obmedzenia - veľkosť substrátu, pozíciesenzorických/motorických buniek (4 na každú nohu), počet a pozíciezárodkových buniek (6)naučil sa chodiť už po asi 100 000 vyhodnoteniach; stabilné chodenie1/5 behov
Kodjabachian a Meyer - pokračovaniepridaný ďalší modul s 2 svetlocitlivými senzormi na kúsok podkladu vľavoselekcia podľa toho, ako rýchle sa jedinec dostane k svetlupo 20 000 vyhodnoteniach doučené - robot vedel prísť k svetlupridali ďalší modul s dotykovými senzormi - po 20 000 vyhodnoteniach robotvedel hľadať svetlo a vyhýbať sa prekážkam
Záver
Kódovanie a prevod genotypu na fenotyp silne ovplyvňuje rozvíjateľnosťsystémuväčšinou je zobrazenie genotypu na fenotyp uskutočnené skôr než jedineczačne „žiť“ak nie, tak sa realizuje pri raste organizmu a zvyšuje prispôsobiteľnosťjedinca na prostrediekódovanie býva zložité (kvôli potrebe kódovať rôzne typy neurónov, vzorovspojení, …) a jeho jednotky sú navrhnuté na riešenie konkrétnehoproblémunovšie pokusy - spojiť
kompaktné kódovanie - pár vlastností generického neurónu; dĺžka genotypuúmerná počtu neurónovs ontogentickou adaptáciou - váhy sa adaptujú v priebehu života
je to efektívnejšie než vyvíjať parametre pre každý spoj zvlášťevolúcia si volí kódovanie založené na neurónoch oproti kódovaniu spojov
Kráčajúce stroje
Zložitejšie riadenie než roboty na kolách, každá noha aspoň 2stupne voľnosti (šesťnohý robot - 12 stupňov voľnosti)tradičný geometrický prístup - model robota a odvodenie dráh nôh -zložitérobotika založená na správaní - chodenie emergentná vlastnosť -koordinácia viacerých modulovzmenšenie zložitosti - využitie symetriíChôdza
statická - ťažisko stále nad polygónom bodov dotyku nôh spodkladom; jednoduchšia; hmyzdynamická - ťažisko cyklicky vychádza von a vracia sa do tohotopolygónu; rýchlejšia chôdza, väčšie telo, vyššia hmotnosť tela, aj hrošíterén
Typy chôdze
Statickátrojkrok
štvorkrok (8-nohé), vlnový krok
Dynamickákrok (mimochod)klus
Jednoduchý model
Brooks (1989)ručne zostavený konečný automat, pre každú nohu rovnakýstav automatu závisí na jeho stave a na stave ostatných automatov
Maes, Brooks (1990)koordinácia nôh sa dá naučiť metódou pokusov a omylovdoplnenie
kolo vzadu - pozitívne hodnotenie pri posune dopredudotykový senzor odspodu - negatívne hodnotenie pri páde
Evolúcia simulovaného chrobáka
Beer, Galagher (1992) - simulovaný šesťnohý chrobák; evolúciamôže nájsť robustný riadiaci systém chôdze s minimom dopreduzadaných parametrov
nohadva stavy
• stoj (na zemi)• švih (zdvihnutá)
pohon nohy - stav (hore, dole), pootočenie dopredu, pootočenie dozadusenzor - uhol medzi nohou a telom5 neurónov - pohon (3), skryté (2)
Newtonovská dynamika, keď stratí rovnováhu, tak padá
uhlovýdetektor
uhlovýdetektor
uhlovýdetektor
uhlovýdetektor
uhlovýdetektor
uhlovýdetektor
chodidlo
švih dozadu
švih dopredu
chodidlo
švih dozadu
švih dopredu
chodidlo
švih dozadu
švih dopredu
chodidlo
švih dozadu
švih dopredu
chodidlo
švih dozadu
švih dopredu
chodidlo
švih dozadu
švih dopredu
Beer, Galagher
Riadiaci systém - 50 parametrovRiadenie nohy - 40 parametrov: 25 vzájomné spoje, 5 spoje z uhlovéhodetektoru, 5 prahov, 5 časových konštántpriečne spoje (5) a pozdĺžne spoje (5) rovnaké pre všetky neuróny
populácia 500 jedincov po 200 bitoch; jednoduchý genetický algoritmusohodnotenie jedinca
náhodná pozícia nôh a náhodné stavy neurónovvzdialenosť ujdená v pridelenom čase - 2 merania s/bez uhlového senzoru
výsledky - vždy sa vyvinul trojkrok; s uhlovými senzorami rýchlejšiachôdza; 4 fázy učenia
1. Zatlačil všetkými 6 nohami a spadol dopredu2. Nekoordinované pohyby nôh s nejakým pohybom dopredu, časté pády3. Najlepší mali statickú stabilnú chôdzu4. Doladený statický krok
Najstarší evolučný robotickýexperiment
Lewis a kol. (1992) - NS riadiaca šesťnohého robota; každá noha s2 stupňami voľnosti
inkrementálna evolúcia a funkcionálna dekompozíciaevolúcia riadenia jednej nohykoordinácia nôh
robot 35 cm dlhý a 12 cm vysoký; bez senzorovpopulácia 10 jedincov; genotyp: váhy v greyovom kóde;jednoduchý genetický algoritmus s elitizmom (2)fitness: experimentátor2 neuróny na jednu nohu - zdih, švih
keď oscilovali s fázovým posunom 90°, tak noha robila kroky
T0
T1
X0
X1
švih
zdvih
riadenie nohy
T0, T1 časové konštanty
A
A
A
B
B
B
C
C
C
C
D D
D D
prepojenéoscilátory
L1
L2
L3
R1
R2
R3
Lewis a kol. (1992) - evolúciariadenia jednej nohy robota
1. Fáza - evolúcia riadenia pre nohugenotyp: 2 váhy a 2 prahy = 4x8 bitové čísla v greyovom kódenáhodná inicializácia z intervalu [-8, 8]fitness: vizuálne z obrazovky počítača
ak sú oba neuróny v rovnakom stave – 0 bodovak jeden > 0 a druhý < 0 – 5 bodovak aspoň jeden neurón zmení stav – 10 bodovak sú oscilácie tlmené až do 0 – 25 bodovak sa oscilácie netlmia do 0, ale ich amplitúda nie je ešte 1 – 40 bodovstabilné oscilácie v celom intervale [0,1] – 60 bodovkeď aspoň polovica jedincov dosiahla max. skóre 60 bodov (po 17generáciách) vývoj prechádza do 2. fázy
Lewis a kol. (1992) - evolúciariadenia oscilátorov
2. Fázagenotyp obsahuje parametre oscilátora pre nohu (z prvej fázy) aparametre spojov medzi oscilátormi (A,B,C,D - 4x8 bitov) inicializovanéna 0 + 1 bit predný/spätný švih
výsledky:po ďalších 10 -35 generáciách stabilná chôdzanajprv vlnenie, potom trojkrok
Novšie experimenty
Gomi, Ide (1998): 8-nohý robot bez senzorovcelý vývoj na fyzickom robotenajprv vlnitá chôdza, potom štvorkrok
Jakobi (1998) vyvíjal riadenie pre rovnakého robota, ale formouminimálnej simulácie; naviac bral do úvahy aj vstupy zo senzorov(infra a dotykové čidlá) - robot sa mal vyhýbať prekážkam
robustné riadenie sa vytvorilo po 3500 generáciáchv porovnaní s experimentami Gomiho a Ideho nebol riadiaci systém takrobustný (bol na hraniciach technických možností)
Gruau (1994) - evolúcia architektúry - viz. začiatok prednáškyIjspeert (1998) - na základe modelu mihule (simulovaný model,ktorý vedel plávať) vyvinul (simulovaný) model salamandra, ktorývedel plávať i chodiť (plaziť sa)
Novšie experimenty
Sony (1998) - robotický pes Aiboovláda viacej typov chôdze, hlavne dynamické
Honda (2000) - ASIMO (Advanced, Step in, Inovative, MObility)
Novšie experimenty
http://schalburg.homepage.dk/Spider/Spider.html