Investigamos si los métodos estándar de robótica evolutiva pueden extenderse para apoyar la evolución de múltiples comportamientos al forzar la retención de variaciones que son adaptativas con respecto a todos los comportamientos requeridos. Esto se realiza seleccionando los individuos ubicados en los primeros frentes de Pareto del espacio de aptitud multidimensional en el caso de algoritmos evolutivos estándar y computando y utilizando múltiples gradientes de la aptitud esperada en el caso de estrategias evolutivas modernas que mueven la población en la dirección del gradiente de la aptitud. Los resultados recopilados en dos versiones extendidas de problemas de referencia de vanguardia indican que el último método permite evolucionar robots capaces de producir los múltiples comportamientos requeridos en la mayoría de las replicaciones y produce resultados significativamente mejores que todos los demás métodos considerados.