人工生命在开始它们的虚拟生活时，都拥有相同程度的智慧

　　人工生命的角斗场
　　在模拟中，研究者不仅改变了人工生命的身体形态，还改变了它们的训练环境和执行的任务，使得实验的复杂度远高于之前的同类研究。通过锦标赛式的达尔文进化方案，该模拟能够确保每一种人工生命的形态都不会被一票否决，就算在不利的环境下依然有机会将形态传递给下一代。该方法既保持了种群的多样性，又降低了仿真的计算量。
　　图2. 深度进化强化学习框架（Deep Evolutionary Reinforcement Learning），绿框标出的强化学习发生在个体层面，而红框的突变改变身体形态，是该框架中进化算法的体现。
　　每次模拟开始于576个独特的人工生命，包括一个“球体”（头部）和一个由不同数量的圆柱形节肢以不同方式排列而成的“身体”。每个人工生命都以相同的方式感知世界，并以相同的神经结构和学习算法开始模拟。换句话说，所有的人工生命在开始它们的虚拟生活时，都拥有相同程度的智慧，只是身体形状不同。
　　图3. 人工生命所需要经历的各类环境
　　然后，每一个人工生命都要经过一个学习阶段。在这个阶段中，它要么穿越平坦的地形，要么穿越包括块状山脊、阶梯和平滑山丘等更具挑战性的地形。还有一些人工生命必须移动箱子到目标位置，才可以跨越复杂的地形。
　　图4. 人工生命分别通过平坦、需要绕障和需要将箱子推至指定位置的环境。
　　训练结束后，每个人工生命与其它三个在相同的环境/任务组合下训练的人工生命参加锦标赛，获胜者能够产生后代。后代在面临与其父母相同的任务之前，经历了四肢或关节的微小突变。所有的人工生命（包括获胜者）都参加了多项锦标赛，只有当新的后代出现时才会开始衰老。
　　身体进化，
　　使得习得有利的行为更快
　　在每个环境完成三次进化迭代（每次迭代产生4000种形态）后，幸存下来的人工生命平均经历了10代的进化，其形态十分多样，包括两足动物、三足动物以及有或没有手臂的四足动物（见图5）。