본 논문은 장애물 회피 능력을 갖는 자발적 주행 로봇 (Khepera)을 제어하는 재귀 신경망을 진화와 학습의 상호 적응에 의해 결정하는 방안을 제시한다. 제안한 동시 적응 방안은 다음 두 가지 성질을 갖는다. 유전자 알고리즘에 의해 해집단내 여러 개의 신경망 제어기들은 전역적 탐색을 수행하여 점진적으로 장애물과의 충돌이 적게 일어나도록 진화되고, 동시에 각 신경망 제어기는 상보적 재강화 역전파 (CRBP： Complementary Reinforcement Backpropagation) 학습에 의해 국부적 탐색을 수행하여 주행 특성이 로봇이 처한. 외부 환경에 적응되어진다. 실험 결과, 학습과 결합한 진화에 의해 얻어진 신경망 제어기가 진화자체만에 의해 얻어진 신경망 제어기보다 더 나은 충돌 회피 능력을 보여 주며, 원하는 주행 성능에 보다 빨리 도달하는 것을 확인할 수 있다.
This paper proposes how the recurrent neural network controller for a Khepera mobile robot with an obstacle avoiding ability can be determined by co-adaptation of the evolution and learning, The proposed co-adaptation scheme consists of two folds： a population of NN controllers are evolved by the genetic algorithm so that the degree of obstacle avoidance might be reduced through the global searching and each NN controller is trained by CRBP learning so that the running behavior is adapted to its outer environment through the local searching. Experimental results shows that the NN controller coadapted by evolution and learning outperforms its non-learning equivalent evolved by only genetic algorithm in both the ability of obstacle avoidance and the convergence speed reaching to the required running behavior.
