进化机器人技术是一个新的令人兴奋的研究领域，它利用达尔文的进化原理来自动开发自动机器人。在机器人和人工智能前沿发表的一篇新的研究文章中，研究人员首次证明，就像在生物进化中一样，体现的机器人进化受到表观遗传因素的影响，从而增加了该领域的复杂性。

在进化机器人中，创建了一个人工“基因库”，其产生基因组，每个基因组编码机器人的控制系统。然后允许每个机器人根据其“遗传”指定的控制器来执行和执行任务，并且根据其执行特定任务的程度来对机器人的适合度进行排序。然后允许机器人通过彼此交换遗传材料来繁殖，与生物有性生殖相当。然而，生物体的基因组也受到发育的影响 - 在其一生中发生的事件导致表观遗传变化。在生物学中，这种进化与发育之间的相互作用被称为evo-devo，它强调了非遗传因素对生物体表型的重要性。“对于机器人专家，evo-devo挑战是创建物理上体现的系统，其中包含三个时间尺度和每个时间固有的过程：行为，发展和进化。由于建造和发展物理机器人的复杂性，这对于寻求“事物的演变”来说是一项艰巨的挑战，作者和合作项目负责人Jake Brawer先生和Aaron Hill先生说。“作为实现这一目标的第一步，在本文中，我们创建了一个物理上体现的系统，使我们能够系统地检查发展和进化过程如何相互作用。”作者和合作项目负责人Jake Brawer先生和Aaron Hill先生说，这是寻求“事物发展”的艰巨挑战。“作为实现这一目标的第一步，在本文中，我们创建了一个物理上体现的系统，使我们能够系统地检查发展和进化过程如何相互作用。”作者和合作项目负责人Jake Brawer先生和Aaron Hill先生说，这是寻求“事物发展”的艰巨挑战。“作为实现这一目标的第一步，在本文中，我们创建了一个物理上体现的系统，使我们能够系统地检查发展和进化过程如何相互作用。”

在他们的研究中，瓦萨学院的研究团队希望创建一个系统，可用于研究遗传(进化)和表观遗传(发育)因素如何在机器人进化中相互作用，以及表观遗传因素如何影响机器人的进化。虽然以前的研究主要关注物理机器人进化的影响，但这是研究人员第一次在这类实验中考虑了表观遗传方面。“在人工神经网络的发展过程中，一种明确的evo-devo方法被证明是非常宝贵的。发展作为一种新型的进化驱动因素 - 伴随着突变，重组和选择的遗传因素 - 促进了具体代理人的进化性，”解释Brawer和希尔。“我们注意到，进化机器人技术所缺少的不是发展本身，而是物理上体现的发展。我们采取了第一个简单的步骤，通过检查物理体现和模拟机器人演化中表观遗传因素和遗传因素的相互作用，将两者结合起来。“

在这个实验中，个体机器人的适应性是通过它们在两个任务中的表现来衡量的：光采集(趋光性)和避障，并且使用随机交配算法来确定哪些父母“基因组”应该组合以产生下一个一代机器人。这里，基因由二进制代码组成，允许机器人硬件的不同可能的布线。机器人的表型 - 基因组的物理表达 - 在每一代中通过根据新的遗传设置改变它们的布线而被修改。重复这一过程，直到创建了10代机器人并按健康度排名。为了补充物理机器人的实验，该团队还创建并发展了模拟机器人，

实验一直持续到机器人失去所有移动性，因为交配算法允许低适应性个体保留在基因库中并繁殖。结果表明，具有表观遗传因子的机器人群体的进化与不考虑发育的群体的进化不同。尽管机器人没有发展出更强的光捕捉技能，但团队对结果充满热情，因为这项初步研究的目的首先是要证明将表观遗传因素纳入机器人进化的重要性，并开发一种概念和物理方法，这可能。“值得注意的是，我们的目标不是要显示适应性进化本身，而是要检验表观遗传因素可以改变物理机体人群的进化动力学的假设。结果确实表明了将EO纳入可进化性调查的广泛重要性，“Brawer和Hill说。”据我们所知，我们的工作代表了第一个物理上体现的表观遗传因子，用于物理机器人的进化。“