3生物控制
一个虚拟的大脑决定了一个生物的行为。脑是一个动态的系统，它接受来自于
传感器的值，提供向执行器输出的值。输出值被作为身体关节的自由度上的力或者
是力矩的值。这个循环的效果在图2中展示。
传感器，执行器，内部的神经信息是一个连续的标量值，它可能是正值或者是负值。
允许负值意味着信号的实现的执行器能有拉和推。尽管不可能是生物性的现实，
它简化了肌肉对的再加自然的开发。
3.1传感器
传感器是身体的一部分，它负责度量这部分的一方面或者是这部分相对于世界的一方面。在这些实验中，传感器有三种。
1关节角度传感器，它给出每个关节的每个自由度的当前值。
2联系传感器，如果一个联系发生了，联系传感器是活跃的，否则不活跃。
每个联系传感器有对于这部分的形状的敏感区，如果在敏感区，联系被激活。
在这个工作中，联系传感器对于每部分的每一个面都是有效的。不区别自身的联系
还是环境的联系。
3照相传感器反馈了一个全局的光源位置。三个照相传感器的信号提供了
光源相对于本部分的方向的规范化坐标。
其它类型的传感器，声音，气味检测也能被实现，但是这三个基本的足够实现
有趣的自适应的行为了。在一个进化的脑中，不同的类型的传感器能被启用或者
是禁用，这依赖于物理环境和行为目标。例如，对于陆地环境，联系传感器被使用，
对于如下的行为照相传感器被使用。
3.2神经
内部神经结点被用来给出虚拟生物的特定行为的概率。一个理想的生物在
它的传感器值之外有一个内部的状态，或者是它能被它的历史状态影响到。
在这个工作中，不同的神经结点能执行不同的功能，在它们的输入中生成
输出信号。因为这个事，一个生物的脑可能记得一个数据流的计算机程序
而不仅仅是一个典型的神经网络。这个方法可能比仅使用求和和阀值函数
有更少的生物真实性，但是它是有希望使得更像有趣行为的进化过程。神经
结点能够使用的函数有：求和，乘积，和的限值，大于，求符号，最小值
最大值，求绝对值，如果，正弦，余弦，反正切，对数，自然对数，积分
微分，光滑，记忆，振荡波和振荡子。
一些函数直接计算输入的输出值，然而其它的例如振荡子，保留了一些状态，
甚至当输入是常数时，能够让输出值有一些时间上的改变。对一个神经的
输入的数量依赖于它的函数，在这里最多有三个输入值。每一个输入都包括
了一个指向其它神经或者是传感器的连接。因而一个输入能得到一个常数
的数值。在输入值被操作前，它先被乘以一个权重值。
对于每一个被模拟的时间间隔，每个神经计算它的输入值的输出值。在这个
工作中，对于每一个动态模拟的时间步骤中，两个脑时间步骤被执行，所
以信号能被多个神经使用而延迟很小。
3.3执行器
每一个执行器仅包括了一个接受值到一个神经或者是传感器的连接。这个
输入值被乘以一个常数的权重值，然后作为一个关节的力值作用到动态的
模拟中和生物的目标行为中。不同类型的执行器，例如声音，气味发射器
可能是有趣的，但这里仅使用模拟肌肉力量的执行器。
每个执行器控制着关节的一个自由度。对于给定的包括两个部分的关节，它的
执行器被包括在层次之上的部分中，所以每一个非根的部分的仅仅操作一个关节
，这个关节连接它和它的父结点。对于那个关节的角度传感器，也包含在这个部分
中。
每个执行器被分配了一个最大力量值，这个值正比于它连接的两个部分的最大正交
面积。执行器的力值被这些力量进行缩放，而不允许超过最大值。因为力量用面积
缩放，但质量用体积缩放，正如本质上，行为并不总是一致性的缩放。
3.4 结合形态与控制
虚拟脑的基因型描述和实际的基因型脑都是结点和连接的有向图。结点包括了
传感器，神经，和执行器和这些结点之间定义的信号流的连接。这些图也是能够
循环的，作为结果，最终的控制系统能有反馈回路和环。
然而，这些神经元素的绝大部分存在于生物的特定部分中。因此，神经系统的基因
型是一个嵌套的图：形态的结点每一个都包含了一个神经结点和连接的图。图3展示
了一个进化的嵌套的图的例子。
当一个生物从它的基因描述中合成时，随着形态结构每部分描述的神经组件也被
生成了。这引起随着每个实例部分，神经控制回路的块被复制了，所以每个生物的
有相似性的重复部分能有一个相似的但是是独立的局部控制系统。
这些局部控制系统能被连接起来来实现协调控制的可能。在层次的相领部分
允许连接：一个部分的神经和执行器能接受从它们的父结点或者是子结点的传感器
或者是神经的信号。
生物也被设定一些神经，这些神经不关联到特定的部分，仅被复制一次
到基因型中。对于全局合成与集中控制的开发，这给出了机会。这些神经
能接收彼此的信号，或者是生物体的任何部分的特定实例的传感器或者是
神经的信号，那部分的神经和执行器有机会接收它们不相关的神经的输出
信号。
在这个方式中，形态与控制的基因语言被合并了。部分的每一类，一个
局部控制系统被描述，这些控制系统能被复制和连接到生物体的层次中，
以形成一个完整的分布式的神经系统。图4A展示了从在图3中的基因型生成的
生物形态学的结果。另外，描述形状，循环次数，权重等参数没有展示出来
即使它们对基因型有明显影响。图4B展示了这个生物的对应的大脑。图4B
左边的括号把每个部分的神经组件集群到一起。一些群有相似的神经系统，因
为它们是从相同的基因描述中复制的。通过四个相似的肢体的不断地划动的动
作，这个生物能够游泳。值得注意的是，例如这个工作中，准确地分析一个控制
系统和一些组件可能根本没有使用的情况是很困难的。幸运的是，使用人工进化
的一个主要的好处是理解这些情况是没有必要的。
