進化する体現知能: ソフトロボティクスにおける形態と制御の共設計をグラフニューラルネットワーク駆動で

要旨: ロボットの知的な行動は、単なる制御系だけから生じるものではなく、身体と脳の密接な結合によって生じる。この原理は具現化された知性として知られている。
この相互作用を活用するソフトロボットの設計は、特に形態と制御が同時に最適化を要する場合には、依然として大きな課題である。
この共設計プロセスにおける重要な障害の1つは、形態的進化が学習済みの制御戦略を妨げ、既存の知識を再利用または適応することを難しくする点である。
これに対処するため、形態と制御器の共設計のためのグラフニューラルネットワーク（GNN）ベースのアプローチを開発します。
各ロボットはグラフとして表現され、ノード特徴をエンコードするグラフ注意ネットワーク（GAT）と、プールされた表現を多層パーセプトロン（MLP）ヘッドへ通してアクチュエータの指令や値の推定を生成します。
進化の過程では、継承はトポロジー整合的なマッピングに従う。共有GAT層を再利用し、MLPの隠れ層はそのまま転送し、対応するアクチュエータ出力をコピーし、対応しないものはランダムに初期化して微調整します。
この形態に配慮したポリシークラスは、体が変化したときに制御器が適応できるようにします。
ベンチマークにおいて、GATベースのアプローチは最終的な適応度をより高く達成し、形態学的変化への適応性も従来のMLPのみの共設計法より強い。
これらの結果は、グラフ構造化されたポリシーが、進化する形態と制御との間の、具現化された知性のためのより効果的なインターフェースを提供することを示している。