Este projeto teve como objetivo realizar um estudo sobre os métodos de desenvolvimento de Inteligência Artificial. Ou seja, foi estudado os algoritmos que desenvolvem uma IA, principalmente os Algoritmos evolucionários em busca de possíveis mudanças para a otimização desse algoritmo, permitindo que ele gere comportamentos mais robustos e “inteligentes”.

Para isso foram realizados diversos experimentos modificando o algoritmo de evolução, utilizando majoritariamente o simulador EvoRobotpy2, para treinar agentes para realizar tarefas em ambientes de locomoção PyBullet e o algoritmo evolucionário reconhecido do OpenAI-ES.

Após algumas experimentações, percebeu-se que a duração de avaliação(hiperparâmetro "maxsteps) do algoritmo influenciava muito no desempenho desenvolvido pelos  agentes evoluídos, então realizamos uma série de experimentos empenhados em realizar as evoluções com esse hiperparâmetro sendo modificado, geramos experimentos apenas alterando-o durante toda a evolução e outros mudamos os valores durante o processo evolutivo.

Então conclui-se que o valor desse hiperparâmetro pode ser essencial para gerar o comportamento desejado por um agente, e a escolha de um valor ideal deste hiperparâmetro para toda a evolução ou variação durante a evolução pode variar muito dependendo da morfologia do agente em questão. Os experimentos modificando a duração do episódio de avaliação principalmente iniciando com valores pequenos e incrementando-o posteriormente durante a evolução conseguiram um desempenho significativamente melhor em parte dos agentes.