Evolución de formas básicas de senalización en agentes artificiales autónomos

Resumen El presente proyecto est´a enmarcado dentro de la rob´otica evolutiva, un ´area de investigaci´on que implementa procesos evolutivos inspirados en los principios de la teor´ıa del neodarwinismo para el dise˜no de robots aut´onomos. En el sentido m´as amplio, la comunicaci´on se considera como cualquier interacci´on que tiene lugar entre un emisor y un receptor. El emisor transmite informaci´on al receptor, quien la utiliza para tomar una decisi´on. Un aspecto importante para el desarrollo de una estrategia b´asica de comunicaci´on, es la propiedad emergente de reaccionar ante se˜nales ´utiles transmitidas mediante alg´un canal sensorial, sin codificar directamente dicho comportamiento. En este proyecto, se implement´o un sistema de evoluci´on experimental con agentes artificiales que ten´ıan la posibilidad de emitir y percibir luz azul en una arena de forrajeo. Con ello, se analiz´o c´omo un sistema b´asico de comunicaci´on puede surgir y c´omo las diferentes condiciones evolutivas pueden determinar el desarrollo de la misma. Existen enfoques que utilizan tratamientos experimentales durante el proceso evolutivo mediante la implementaci´on de niveles espec´ıficos de relaci´on y/o selecci´on (Floreano et al., 2007; Mitri et al., 2009, 2010b). A diferencia de estos enfoques, la contribuci´on de este proyecto se centr´o en la co-evoluci´on entre emisores y receptores en peque˜nas poblaciones gen´eticamente variables. El enfoque sugerido se implement´o a trav´es de la estoc´astica de los operadores gen´eticos y c´omo estos eventos se propagaron dentro de las poblaciones. Los resultados revelaron que en poblaciones gen´eticamente variables, el costo de la se˜nalizaci´on es un factor clave para desencadenar el desarrollo de una estrategia b´asica de comunicaci´on. Asimismo, se encontr´o que el contexto en el cual se desarrollan los agentes, la arquitectura del sistema de control y los par´ametros evolutivos, son caracter´ısticas importantes para el desempe˜no de los individuos. Finalmente, en este proyecto fue posible explorar el espacio de soluciones de las secuencias de genotipos y fenotipos mediante el uso de aprendizaje profundo. Lo anterior permiti´o analizar el efecto de la configuraci´on utilizada en los operadores gen´eticos.