Modularitet i artificiella neurala robotstyrsystem
Forskning angående styrsystem inom evolutionär robotik fokuserar ofta på vad som går att uträtta med självlärda styrsystem, men inte vad beteendebaserade styrsystem klarar av. I detta projekt utförs systematiska tester för att jämföra beteendebaserade och självlärda styrsystem inom evolutionär robotik. Benämningen beteendebaserade styrsystem används för styrsystem som består av flera underliggande moduler, där robotens övergrippande beteende är uppdelat i flera moduler och där respektive modul har ansvar för ett specifikt beteende eller funktion. Självlärt styrsystem referar i detta sammanhang till styrsystem som inte explicit består av moduler som har åstakommits eller bestämts i förväg.Från resultaten framgår det att både självlärda och beteendebaserade styrsystem klarar av att lösa problemen de ställs inför. För beteendebaserade styrsystem krävs dock större ansvar från experimentatorn, vars inflytande ökar på grund av att det är flera moduler som skall skapas och koordineras. De beteendebaserade styrsystemen i projektet använder en beslutsenhet för att hantera när och vilken modul som ska aktiveras och tar bort detta ansvar från experimentatorn. Beslutsenheten ger styrsystemet en mer smidig övergång mellan de olika modulerna och hittar en lämplig användning av modulerna än utan en beslutsenhet. Från resultatet av projektet framgår det att fler systematiska tester angånde beteendebaserade och självlärda styrsystem behövs för att få en bättre förståelse över när och hur de olika styrsystemen bör användas.