Evolutionäre Robotik: Stellt die Grundprinzipien und die Entwicklung autonomer Robotersysteme vor und betont, wie sich Roboter durch Versuch und Irrtum entwickeln können, ähnlich wie bei natürlicher Selektion.
Evolutionäre Berechnung: Erklärt die von der Evolutionsbiologie inspirierten Berechnungstechniken, wie genetische Algorithmen, die zur Lösung komplexer Optimierungsprobleme in der Robotik verwendet werden.
Neuroevolution von erweiternden Topologien: Bespricht einen bahnbrechenden Ansatz, bei dem sich neuronale Netzwerke entwickeln, einschließlich Struktur und Gewichte, um die Roboterleistung zu optimieren.
Neuroevolution: Erforscht den Prozess der Entwicklung künstlicher neuronaler Netzwerke zur Verbesserung der Fähigkeiten von Robotern, mit Schwerpunkt auf deren Lernfähigkeit und Anpassungsfähigkeit.
Evolvierbare Hardware: Bietet einen Überblick über Hardwaresysteme, die sich als Reaktion auf sich ändernde Umweltbedingungen entwickeln und evolutionäre Konzepte in physische Robotersysteme einbringen.
Mobiler Roboter Sbot: Untersucht den mobilen Roboter Sbot, ein wichtiges Beispiel dafür, wie Techniken der evolutionären Robotik auf reale Roboterplattformen angewendet wurden.
Dario Floreano: Hebt die Beiträge von Dario Floreano hervor, einem führenden Forscher auf dem Gebiet der evolutionären Robotik, dessen Arbeit das Feld maßgeblich geprägt hat.
Inman Harvey: Erforscht die Forschung von Inman Harvey und seine innovativen Ansätze bei der Integration evolutionärer Algorithmen in Robotersysteme.
Phil Husbands: Konzentriert sich auf die Arbeit von Phil Husbands im Bereich des autonomen Roboterverhaltens und seine Beiträge zur Anwendung evolutionärer Methoden in der Robotik.
Stefano Nolfi: Untersucht Stefano Nolfis Beiträge zur Neuroevolution und seine Arbeit an der Entwicklung von Robotern, die in dynamischen Umgebungen lernen und sich weiterentwickeln.
Neurorobotik: Deckt das spannende Feld der Neurorobotik ab, in dem Robotik und Neurowissenschaft zusammenkommen, um Roboter zu entwickeln, die biologische Intelligenz nachahmen können.
Künstliche Entwicklung: Beschreibt das aufstrebende Feld der künstlichen Entwicklung, in dem evolutionäre und entwicklungsbezogene Prinzipien angewendet werden, um komplexere, adaptive Robotersysteme zu schaffen.
HyperNEAT: Stellt das HyperNEAT-Framework vor, eine fortschrittliche Methode zur Entwicklung neuronaler Netzwerke, die komplexe Roboterverhalten und -strukturen erzeugen.
Morphogenetische Robotik: Konzentriert sich auf morphogenetische Robotik, bei der sich Roboter selbst organisieren und ihre physische Form durch evolutionäre Prozesse anpassen.
Evolutionäre Entwicklungsrobotik: Untersucht, wie die Kombination von Evolutionsalgorithmen mit Entwicklungsrobotik zur Schaffung von Robotern führt, die mit der Zeit wachsen und lernen.
Dave Cliff (Informatiker): Bespricht die Arbeit von Dave Cliff, dessen Forschung zu künstlichem Leben und Evolutionsalgorithmen die Entwicklung adaptiver Roboter beeinflusst hat.
Künstliches Leben: Erforscht die Beziehung zwischen künstlichem Leben und Robotik und diskutiert, wie die Schaffung lebensechten Verhaltens bei Robotern zu intelligenteren Systemen führen kann.
Jordan Pollack: Hebt Jordan Pollacks Arbeit zur künstlichen Evolution hervor, insbesondere im Zusammenhang mit der Entwicklung von Systemen, die natürliche Prozesse nachahmen, um die Leistung von Robotern zu verbessern.
Sabine Hauert: Konzentriert sich auf Sabine Hauerts Beiträge zu Multirobotersystemen und darauf, wie evolutionäre Prinzipien das Verhalten kollaborativer Roboter verbessern können.
Pavan Ramdya: Untersucht die Arbeit von Pavan Ramdya, dessen Forschung in Robotik und Neurobiologie das Studium von Bewegung und Verhalten autonomer Roboter integriert.
