貝氏優化

速報

拉馬克式遺傳在機體與控制共優化中的條件性優勢

團隊研究機體與控制器共同優化的耦合問題。將形態優化視為演化，控制器視為終身學習，並以拉馬克式遺傳移轉學得參數。在虛擬軟體機器人上以貝氏優化與強化學習驗證，發現拉馬克式僅在環境改變同時具衝突且不可預測時劣於達爾文式；加入環境感測能恢復其優勢，幫助控制泛化。