Giới thiệu nền tảng về robot tiến hóa – sử dụng nguyên lý chọn lọc tự nhiên để tối ưu hóa bộ điều khiển (control) và hình thái (morphology) qua nhiều thế hệ, giảm thiên kiến từ thiết kế thủ công. Trình bày các nghiên cứu tiến hóa điều khiển với hình thái cố định (e.g., dùng mạng nơ-ron và GA để điều hướng, di chuyển) và đồng tiến hóa điều khiển–hình thái (trên robot hai chân, robot Lego, robot ảo 3D cạnh tranh, v.v.), nhấn mạnh lợi ích nhưng cũng nêu thách thức triển khai thực tế.

Giới thiệu robot mô-đun như nền tảng hiện thực hóa tiến hóa hình thái trong phần cứng, với ưu điểm đa năng, bền vững và chi phí thấp. Khảo sát các phương pháp thiết kế theo nhiệm vụ dùng GA/EA để tìm cấu hình tối ưu (e.g., Chen & Burdick 1995; Chung et al. 1997; Chocron & Bidaud 1997; Yang & Chen 2000; Hornby et al. 2001; Faíña et al. 2013). Phân loại khả năng hành vi nâng cao:

• Tự lắp ráp: xây dựng cấu trúc từ các mô-đun đơn theo luật ghép nối (ví dụ: nghiên cứu của Bonabeau, Tolley).
• - Tự tái cấu hình: thay đổi hình dạng/hình thái để thích nghi, phân loại kiến trúc (lattice, chain, mobile) và phương thức (deterministic, stochastic); các dự án như M-TRAN, PolyBot, SuperBot, UBot. Dùng GA để tiến hóa bộ điều khiển phục vụ tái cấu hình.
• - Tự sửa chữa: thay thế mô-đun hỏng (ví dụ: ATRON dùng GA tối ưu trọng số mạng nơ-ron cho quyết định sửa chữa).
• - Tự sao chép: lắp bản sao hoàn chỉnh từ nguồn mô-đun sẵn có; phân loại phương pháp (trực tiếp, đa cha mẹ, tự hỗ trợ, đa giai đoạn) và ví dụ Molecubes tiến hóa hình thái+lập trình điều khiển.

Phần ứng dụng liệt kê, mô tả và so sánh các nguyên mẫu robot mô-đun tiêu biểu (PolyBot, Telecubes, M-TRAN I–III, ATRON, Programmable Parts, Y1, Molecubes, iMobot, UBot, SMORES…) theo tiêu chí: khả năng hành vi (tự lắp ráp/tái cấu hình/sửa chữa/sao chép), trạng thái mô-đun (đồng nhất/khác loại), và mức triển khai (mô phỏng/thực tế).

Phân tích “state of the art”: đa số hành vi phức tạp mới dừng ở mô phỏng do “reality gap”; đề xuất dùng chế tạo nhanh và thiết kế phần tử cơ bản để thu hẹp khoảng cách (ví dụ: Lipson & Pollack 2000; RoboGen; Samuelsen & Glette; Cellucci et al.). Liên hệ với robot di động tiến hóa, nhất là trong bài toán lập kế hoạch đường đi, điểm lại các phương pháp GA cải tiến, đồng tiến hóa, kết hợp metaheuristic.

Kết luận: robot mô-đun tiến hóa cho thấy tiềm năng lớn để tạo ra hệ thống tự chủ, thích nghi trong môi trường động, nhưng vẫn còn thách thức về chế tạo, kiểm chứng thực tế và mở rộng hành vi.