Mar, 2024

进化计算对机器人设计的影响：一项基于欠驱动手外骨骼的案例研究

PDF
TL;DR利用进化计算方法对机器人外骨骼设计进行优化，特别是在优化下驱动式手部外骨骼 (U-HEx) 的性能和可用性方面，结果显示进化计算方法在较短时间内持续提供精确和最佳解决方案，显著提高了转移给用户的扭矩大小和设备效率。
robotic exoskeletonsevolutionary computationdesign optimizationunderactuated hand exoskeletonperformance improvement
发现论文，激发创造
  • 辅助患者高级控制的边缘计算在线学习架构

    该研究介绍了一种集成边缘计算的在线对抗学习架构，用于高级下肢外骨骼控制。该架构通过实时处理用户的传感器数据，并与在线对抗学习模型交互，以最小延迟控制外骨骼，并在控制准确性、适应性和服务质量方面取得了显著改进。结果表明，将在线对抗学习与边缘计算相结合，为下一代下肢外骨骼控制系统提供了一种强大且高效的方法。

    Sep, 2023

  • 进化计算中基于深度强化学习的自动配置探索 - 开发平衡

    基于深度强化学习的框架可自动配置和调整探索 - 利用平衡 (EET)，以提升进化计算算法的性能和泛化能力。通过在 CEC2021 基准上进行实验证明，在多个问题类别、维度和种群规模上，该框架显著改善了现有算法的性能，并提供了对 EET 问题的深入分析。

    Apr, 2024

  • 进化计算与隐私的交会

    本文介绍了 BOOM 算法，研究了进化计算中的隐私保护问题。针对三种典型的优化范式（即集中式、分布式和数据驱动的优化），本文采用 BOOM 算法以平衡优化性能和隐私保证的方式探讨了潜在的隐私保护技术并提出新的隐私保护进化计算方向。

    Mar, 2023

  • 通过大型语言模型探索进化计算的改进

    演化计算（EC）是一种强大的优化算法，已在各个领域得到应用。大型语言模型（LLMs）的出现不仅改变了自然语言处理，还将其能力扩展到各个领域。通过利用 LLMs 的丰富知识和自适应能力，我们提供了一个前瞻性的概述，介绍了 LLMs 对 EC 可能带来的改进，重点关注算法本身、种群设计和其他增强措施。这为 LLMs 和 EC 交叉研究的未来方向提供了一个有希望的方向。

    May, 2024

  • 进化动态优化与机器学习

    这篇论文是关于进化计算、人工智能、进化机器学习、进化动态优化和机器学习之间互相结合的研究，旨在激发进化学习社区的兴趣并在该领域激发创新贡献。

    Oct, 2023

  • 约束进化体现神经智能的共同设计

    通过深度强化学习和进化算法以及用户控制相结合的方法，介绍了一种创新的协同设计方法，以形态属性和运动为自主移动代理提供良好的设计和行为。

    May, 2022

  • 机器人的高效自动设计

    该论文提出基于进化算法进行机器人设计的新方法，通过随机生成初始身体结构，能够优化设计一种可行的四足机器人结构，具备高效行走能力，并通过自动化制造实现机器人的快速设计制造和部署。

    Jun, 2023

  • 探究机器人设计对学习和神经控制的影响

    通过设计机器人体形，可以在多任务场景下克服神经控制器所遇到的许多问题，从而实现设计更通用、需要更少计算力的机器人。

    Jun, 2023

  • 机体机器形态与控制可扩展共同优化

    该研究探讨并展现了一种新的技术 ——“形态创新保护”，可协同优化机器人的结构和控制策略并避免局部最优解来提高机器人的行为性能，促进了自动化机器人设计和行为训练，同时为研究实体认知理论提供了实验检验的平台。

    Jun, 2017

  • 软件架构的交互式多目标进化优化

    通过交互式进化计算以及应用定量和定性评判标准指导多目标进化算法，将用户反馈嵌入到适应函数中，使算法能够辨别出有前景和较差的解决方案，实验证明该交互机制可以有效地引导搜索进入专家真正感兴趣的搜索空间区域。

    Jan, 2024