論文の概要: Navigating the swarm: Deep neural networks command emergent behaviours
- arxiv url: http://arxiv.org/abs/2407.11330v1
- Date: Tue, 16 Jul 2024 02:46:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-17 18:42:16.764451
- Title: Navigating the swarm: Deep neural networks command emergent behaviours
- Title（参考訳）: Swarmをナビゲートする:Deep Neural Networkは創発的行動を制御する
- Authors: Dongjo Kim, Jeongsu Lee, Ho-Young Kim,
- Abstract要約: エージェント間相互作用ルールを微調整することにより,グローバルなパターンを意図した集合行動の協調構造を生成することができることを示す。
私たちの戦略では、望ましい構造を指示する相互作用ルールを見つけるために、ダイナミックスの法則に従うディープニューラルネットワークを採用しています。
本研究は, ロボット群操作, アクティブ物質組織, 生体システムにおける不明瞭な相互作用規則の解明における新たな応用の道を開くものである。
- 参考スコア（独自算出の注目度）: 2.7059353835118602
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Interacting individuals in complex systems often give rise to coherent motion exhibiting coordinated global structures. Such phenomena are ubiquitously observed in nature, from cell migration, bacterial swarms, animal and insect groups, and even human societies. Primary mechanisms responsible for the emergence of collective behavior have been extensively identified, including local alignments based on average or relative velocity, non-local pairwise repulsive-attractive interactions such as distance-based potentials, interplay between local and non-local interactions, and cognitive-based inhomogeneous interactions. However, discovering how to adapt these mechanisms to modulate emergent behaviours remains elusive. Here, we demonstrate that it is possible to generate coordinated structures in collective behavior at desired moments with intended global patterns by fine-tuning an inter-agent interaction rule. Our strategy employs deep neural networks, obeying the laws of dynamics, to find interaction rules that command desired collective structures. The decomposition of interaction rules into distancing and aligning forces, expressed by polynomial series, facilitates the training of neural networks to propose desired interaction models. Presented examples include altering the mean radius and size of clusters in vortical swarms, timing of transitions from random to ordered states, and continuously shifting between typical modes of collective motions. This strategy can even be leveraged to superimpose collective modes, resulting in hitherto unexplored but highly practical hybrid collective patterns, such as protective security formations. Our findings reveal innovative strategies for creating and controlling collective motion, paving the way for new applications in robotic swarm operations, active matter organisation, and for the uncovering of obscure interaction rules in biological systems.
- Abstract（参考訳）: 複雑な系の相互作用する個人はしばしば、協調した大域構造を示すコヒーレントな運動を引き起こす。
このような現象は、細胞移動、細菌群集、動物や昆虫群、さらには人間社会など、自然界で広く見られる。
集団行動の出現に寄与する主要なメカニズムは、平均的または相対的な速度に基づく局所的なアライメント、距離に基づく電位のような非局所的な相互反発的相互作用、局所的な相互作用と非局所的な相互作用の相互作用、認知に基づく不均一な相互作用などである。
しかし、これらのメカニズムを創発的行動に適応させる方法を見つけることは、いまだ解明されていない。
ここでは、エージェント間相互作用ルールを微調整することにより、目的とする大域的パターンを用いて、所望のタイミングで集団行動の協調構造を生成できることを実証する。
我々の戦略は、望ましい集合構造を指示する相互作用規則を見つけるために、ダイナミックスの法則に従うディープニューラルネットワークを用いています。
相互作用規則の分散と整合力への分解は、多項式級数で表される、望ましい相互作用モデルを提案するためにニューラルネットワークのトレーニングを促進する。
代表的な例としては、渦群におけるクラスターの平均半径と大きさの変更、ランダム状態から順序状態への遷移のタイミング、集団運動の典型的なモードの連続的なシフトがある。
この戦略は、集合的なモードを重畳するためにも利用でき、その結果、探索されていないが、保護的なセキュリティ形成のような非常に実用的なハイブリッドな集団パターンが生まれる。
本研究は, ロボット群操作, アクティブ物質組織, 生体システムにおける不明瞭な相互作用ルールの解明における新たな応用の道を開くことを目的とした, 集団動作の生成と制御のための革新的な戦略を明らかにするものである。
関連論文リスト
- Evolving Neural Networks Reveal Emergent Collective Behavior from Minimal Agent Interactions [0.0]
ニューラルネットワークが動的環境におけるエージェントの行動を制御するためにどのように進化するかを検討する。
レーン形成や層流のような単純な挙動は、より線形なネットワーク操作によって特徴づけられる。
中程度のノイズ、広い視野、低いエージェント密度といった特定の環境パラメータは、非線形ネットワークの進化を促進する。
論文 参考訳（メタデータ） (2024-10-25T17:43:00Z) - Hierarchical learning control for autonomous robots inspired by central nervous system [7.227887302864789]
本稿では,中枢神経系の階層構造を模倣した新しい階層型学習制御フレームワークを提案する。
このフレームワークは、アクティブな制御システムとパッシブな制御システムを組み合わせて、制御システムの柔軟性と信頼性の両方を改善する。
本研究は,中枢神経系における自律行動を支配する原理を明らかにし,階層的制御手法の有効性を実証する。
論文 参考訳（メタデータ） (2024-08-07T03:24:59Z) - Behavior-Inspired Neural Networks for Relational Inference [3.7219180084857473]
最近の研究は、エージェント間の関係を、その身体行動の観察に基づいて分類することを学ぶ。
エージェントの観測可能な振る舞いと,その動作を決定する潜在カテゴリの抽象化レベルを導入する。
エージェントの身体的近さと嗜好を非線形意見力学モデルに統合し、相互排他的潜在カテゴリを特定し、エージェントの時間的進化を予測し、エージェントの身体的挙動を制御するメカニズムを提供する。
論文 参考訳（メタデータ） (2024-06-20T21:36:54Z) - A Simulation Environment for the Neuroevolution of Ant Colony Dynamics [0.0]
創発的集団行動の研究を促進するためのシミュレーション環境を導入する。
現実世界のデータを活用することで、環境はターゲットのアリの跡をシミュレートし、制御可能なエージェントが複製を学ばなければならない。
論文 参考訳（メタデータ） (2024-06-19T01:51:15Z) - Inferring Relational Potentials in Interacting Systems [56.498417950856904]
このような相互作用を発見する代替手法として、ニューラル・インタラクション・推論(NIIP)を提案する。
NIIPは観測された関係制約を尊重する軌道のサブセットに低エネルギーを割り当てる。
別々に訓練されたモデル間での相互作用の型を交換するなどの軌道操作や、軌道予測を可能にする。
論文 参考訳（メタデータ） (2023-10-23T00:44:17Z) - Persistent-Transient Duality: A Multi-mechanism Approach for Modeling
Human-Object Interaction [58.67761673662716]
人間は高度に適応可能で、異なるタスク、状況、状況を扱うために異なるモードを素早く切り替える。
人間と物体の相互作用(HOI)において、これらのモードは、(1)活動全体に対する大規模な一貫した計画、(2)タイムラインに沿って開始・終了する小規模の子どもの対話的行動の2つのメカニズムに起因していると考えられる。
本研究は、人間の動作を協調的に制御する2つの同時メカニズムをモデル化することを提案する。
論文 参考訳（メタデータ） (2023-07-24T12:21:33Z) - Safe Multi-agent Learning via Trapping Regions [89.24858306636816]
我々は、動的システムの定性理論から知られているトラップ領域の概念を適用し、分散学習のための共同戦略空間に安全セットを作成する。
本稿では,既知の学習力学を持つシステムにおいて,候補がトラップ領域を形成することを検証するための二分分割アルゴリズムと,学習力学が未知のシナリオに対するサンプリングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-02-27T14:47:52Z) - Rethinking Trajectory Prediction via "Team Game" [118.59480535826094]
本稿では,対話型グループコンセンサスの概念を明示的に導入した,マルチエージェント軌道予測の新しい定式化について述べる。
チームスポーツと歩行者の2つのマルチエージェント設定において,提案手法は既存手法と比較して常に優れた性能を達成している。
論文 参考訳（メタデータ） (2022-10-17T07:16:44Z) - Interaction Transformer for Human Reaction Generation [61.22481606720487]
本稿では,時間的,空間的両方の注意を持つトランスフォーマーネットワークからなる対話型トランスフォーマー(InterFormer)を提案する。
我々の手法は一般的であり、より複雑で長期的な相互作用を生成するのに利用できる。
論文 参考訳（メタデータ） (2022-07-04T19:30:41Z) - Unlimited Neighborhood Interaction for Heterogeneous Trajectory
Prediction [97.40338982628094]
マルチプライカテゴリにおける異種エージェントの軌跡を予測できる,シンプルで効果的な非境界相互作用ネットワーク (UNIN) を提案する。
具体的には、提案した無制限近傍相互作用モジュールは、相互作用に関与するすべてのエージェントの融合特徴を同時に生成する。
階層型グラフアテンションモジュールを提案し,カテゴリ間相互作用とエージェント間相互作用を求める。
論文 参考訳（メタデータ） (2021-07-31T13:36:04Z) - Modelling Cooperation in Network Games with Spatio-Temporal Complexity [11.665246332943058]
複雑なグリッドワールドドメインにおける自己組織化協調の出現について検討する。
マルチエージェント深層強化学習を用いて,エージェント・ソサエティの多種多様なメカニズムをシミュレートした。
本手法は,人間および人工エージェントシステムにおける機構設計に影響を及ぼす。
論文 参考訳（メタデータ） (2021-02-13T12:04:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。