〖内容摘要〗在传统的机器人技术中，通常需要基于模型的控制器将机器人设备带入下一个期望状态，但是当控制问题的维数增加，尤其是在运动任务期间，外部环境的干扰影响系统行为时，它们通常会出现关键问题。人们普遍认为，四足动物的运动控制是由位于脊髓内的神经回路来完成的，这些神经回路充当中枢模式发生器，并能产生适当的运动模式。这被认为是进化过程优化了这个网络的结果。除此之外，由于小脑的塑料连接提供了下降的校正输入，在动物的一生中，精细的运动控制是可以学习的。本研究的目的是了解和识别在进化启发的优化中使用学习来寻找机器人运动任务中最佳运动模式的可能优势。因此，我们提出了两种四足机器人仿生控制结构的比较研究，即在进化过程中或之后进行学习。进化过程是在一个模拟的环境中，在四足机器人上进行的。为了验证克服现实差距的可能性，通过改变机器人的动力学特性及其与外界环境的相互作用，对两个系统的性能进行了分析。结果表明，在运动轨迹的进化探索过程中，应用自适应模块发现了运动方法的机器人agent具有更好的性能指标。即使当运动动力学和与环境的相互作用发生改变时，在学习机器人系统中的运动模式也更加稳定。

〖来源〗Front. Neurorobot., 29 August 2019