NEAT neural networks to control and simulate virtual creature's locomotion

Abstract

This paper presents the application of evolutionary computation techniques for evolving behaviorisms in virtual creatures existing within a realistic virtual environment that are subj ect of the constraints as defined by the Newtonian model of physics. Evolutionary computation technique uses NEAT's network that is based on three fundamental principles (Genetic Encoding with Historical Markings, Speciation and Minimizing Dimensionality). The creatures' morphology is completely predetermined and is designed to elicit a variety of locomotive behaviors and test the generalization abilities of our framework. Three different morphologies are introduced into the simulation; each morphology represents an entirely different species of virtual creatures. The experiments show that NEAT's network is able to generate efficient locomotive behaviors.

Modelo De Neuro Co-Evolução Com Inspiração Quântica Aplicado a Problemas De Coordenação

“…Além dessas, cada gene adicionado armazena na variável "Inovação" a geração em que foi criado. Na literatura podem ser encontrados diversos trabalhos que utilizam a metodologia NEAT: (Ozveren, Sapeluk & Birch, 2014) utilizaram esta metodologia para problemas de previsão de demanda de energia elétrica no curto prazo; (Tibermacine & Djedi, 2014) criaram e simularam a locomoção de agentes em espaços virtuais; (Sohangir, Rahimi & Gupta, 2013) criaram um modelo NEAT para selecionar variáveis de entrada para o treinamento de redes neurais; no trabalho de (Lowell, Grabkovsky & Birger, 2011) pode-se encontrar uma comparação de desempenho para problemas de tomada de decisão entre o modelo NEAT, com uma variação do mesmo, o Hyper NEAT.…”