Robots operating in the real world will experience a range of different environments and tasks. It is essential for the robot to have the ability to adapt to its surroundings to work efficiently in changing conditions. Evolutionary robotics aims to solve this by optimizing both the control and body (morphology) of a robot, allowing adaptation to internal, as well as external factors. Most work in this field has been done in physics simulators, which are relatively simple and not able to replicate the richness of interactions found in the real world. Solutions that rely on the complex interplay between control, body, and environment are therefore rarely found. In this paper, we rely solely on real-world evaluations and apply evolutionary search to yield combinations of morphology and control for our mechanically self-reconfiguring quadruped robot. We evolve solutions on two distinct physical surfaces and analyze the results in terms of both control and morphology. We then transition to two previously unseen surfaces to demonstrate the generality of our method. We find that the evolutionary search finds high-performing and diverse morphology-controller configurations by adapting both control and body to the different properties of the physical environments. We additionally find that morphology and control vary with statistical significance between the environments. Moreover, we observe that our method allows for morphology and control parameters to transfer to previously-unseen terrains, demonstrating the generality of our approach.

中文翻译：

---

通过现实世界进化对机器人形态和控制的环境适应

在现实世界中运行的机器人将经历一系列不同的环境和任务。机器人必须能够适应周围环境，才能在不断变化的条件下高效工作。进化机器人旨在通过优化机器人的控制和身体（形态）来解决这个问题，允许适应内部和外部因素。该领域的大部分工作都是在物理模拟器中完成的，物理模拟器相对简单，无法复制现实世界中丰富的交互。因此，很少找到依赖于控制、身体和环境之间复杂相互作用的解决方案。在本文中，我们仅依靠现实世界的评估并应用进化搜索来为我们的机械自重构四足机器人产生形态和控制的组合。我们在两个不同的物理表面上演化出解决方案，并在控制和形态方面分析结果。然后我们过渡到两个以前看不见的表面来证明我们方法的通用性。我们发现进化搜索通过使控制和身体适应物理环境的不同特性来找到高性能和多样化的形态控制器配置。我们还发现，形态和控制因环境​​之间的统计显着性而异。此外，我们观察到我们的方法允许形态和控制参数转移到以前看不见的地形，证明了我们方法的通用性。然后我们过渡到两个以前看不见的表面来证明我们方法的通用性。我们发现进化搜索通过使控制和身体适应物理环境的不同特性来找到高性能和多样化的形态控制器配置。我们还发现，形态和控制因环境​​之间的统计显着性而异。此外，我们观察到我们的方法允许形态和控制参数转移到以前看不见的地形，证明了我们方法的通用性。然后我们过渡到两个以前看不见的表面来证明我们方法的通用性。我们发现进化搜索通过使控制和身体适应物理环境的不同特性来找到高性能和多样化的形态控制器配置。我们还发现，形态和控制因环境​​之间的统计显着性而异。此外，我们观察到我们的方法允许形态和控制参数转移到以前看不见的地形，证明了我们方法的通用性。我们还发现，形态和控制因环境​​之间的统计显着性而异。此外，我们观察到我们的方法允许形态和控制参数转移到以前看不见的地形，证明了我们方法的通用性。我们还发现形态和控制随环境之间的统计显着性而变化。此外，我们观察到我们的方法允许形态和控制参数转移到以前看不见的地形，证明了我们方法的通用性。