論文の概要: A Mechanistic Model for Collective Motion from Sensorimotor Regularities

• arxiv url: http://arxiv.org/abs/2605.16522v1
• Date: Fri, 15 May 2026 18:17:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 16:59:52.41487
• Title: A Mechanistic Model for Collective Motion from Sensorimotor Regularities
• Title（参考訳）: 感覚運動規則からの集合運動の力学モデル
• Authors: Vito Mengers, Bao Duc Cao, Oliver Brock,
• Abstract要約: 本稿では,ロボット工学のモデリングフレームワークに基づくモデルについて述べる。 この単純なモデルでは、偏極運動、ミリング、リング形成、断片化などの多様な集団的挙動が生じる。 したがって、集団行動は相互作用する感覚運動の正則性の創発的な結果として理解することができる。
• 参考スコア（独自算出の注目度）: 6.805575417034369
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Collective behavior in animals has long been modeled through self-propelled particle models, which reproduce striking group-level phenomena through abstract interaction forces. Yet these models are fundamentally descriptive: they leave open the question of how collective behavior is actually produced. Recent empirical work makes this gap concrete: locusts do not align with neighbors, sensory and cognitive mechanisms mediate interaction instead. A mechanistic model must therefore operate at the sensorimotor level, grounded in what individual organisms can actually perceive, estimate, and physically execute. We present such a model based on a modeling framework from robotics, extended here to collective motion. Each agent perceives neighbors through bearing and apparent-size cues within a limited field of view, maintains uncertain internal state estimates, and selects actions through gradient descent on a desired social distance -- without any prescribed interaction forces. This simple model produces diverse collective behaviors including polarized motion, milling, ring formations, and subgroup fragmentation. A global sensitivity analysis shows that behavioral transitions are governed by sensorimotor parameters corresponding to measurable biological quantities: field of view geometry, sensory noise, turning agility, and memory. Collective behavior can therefore be understood as the emergent outcome of interacting sensorimotor regularities, and differences across species as the emergent outcome of differences in embodiment and environment.
• Abstract（参考訳）: 動物の集団行動は、抽象的な相互作用力を通じて群レベルの現象を再現する自己推進粒子モデルによって、長い間モデル化されてきた。 しかし、これらのモデルは基本的に記述的であり、集団的行動が実際にどのように生成されるかという疑問を解き放つ。 最近の経験的な研究は、このギャップを具体化している:ロカストは隣人、感覚、認知のメカニズムと一致せず、代わりに相互作用を仲介する。 したがって、メカニスティックモデルは、個々の生物が実際に知覚し、推定し、物理的に実行できるものに基づいて、感覚運動器レベルで動作する必要がある。 本稿では,ロボット工学のモデリングフレームワークをベースとしたモデルについて述べる。 各エージェントは、限られた視野内でのベアリングと見かけの大きさの手がかりを通じて隣人を知覚し、不確実な内部状態の推定を維持し、所定の相互作用力なしで、望ましい社会的距離の勾配勾配による行動を選択する。 この単純なモデルは、偏極運動、ミリング、環形成、サブグループフラグメンテーションを含む多様な集合的挙動を生成する。 グローバル感度分析により、行動遷移は、計測可能な生物学的量(視野幾何学、知覚ノイズ、旋回敏性、記憶)に対応する知覚的パラメータによって制御されることが示された。 したがって、集団行動は、相互作用する感覚運動の正則性の創発的な結果として理解することができ、種間での違いは、実施形態と環境の違いの創発的な結果として理解することができる。

関連論文リスト

• BEHAVE: A Hybrid AI Framework for Real-Time Modeling of Collective Human Dynamics [0.0]
  既存のAIシステムは、グループを安定させるか、エスカレーションやブレークダウンに移行するかを判断する集合的ダイナミクスを捉えていない。 相互作用空間上で定義された連続挙動場として集合力学をモデル化する形式的フレームワークであるBEHAVEを紹介する。 再検討された同じ分野は、群衆の安全、危機チームダイナミクス、教育、臨床状況に適用できる。
  論文  参考訳（メタデータ） (2026-05-12T20:32:02Z)
• Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
  人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。 この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。 我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
  論文  参考訳（メタデータ） (2026-04-23T07:10:05Z)
• Bugs with Features: Vision-Based Fault-Tolerant Collective Motion Inspired by Nature [0.0]
  集団運動では、知覚的に制限された個人は、集中的な制御なしに順序づけられた動きをする。 本稿では,ロカストの研究から着想を得たロバスト集団運動のメカニズムについて述べる。
  論文  参考訳（メタデータ） (2025-12-27T03:29:50Z)
• MoReact: Generating Reactive Motion from Textual Descriptions [57.642436102978245]
  MoReactは拡散に基づく手法で、グローバルな軌跡と局所的な動きを連続的に引き離すように設計されている。 2人の動作データセットから適応したデータを用いて,本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2025-09-28T14:31:41Z)
• Allostatic Control of Persistent States in Spiking Neural Networks for perception and computation [79.16635054977068]
  本稿では,アロスタシスの概念を内部表現の制御に拡張することにより,環境に対する知覚的信念を更新するための新しいモデルを提案する。 本稿では,アトラクタネットワークにおける活動の急増を空間的数値表現として利用する数値認識の応用に焦点を当てる。
  論文  参考訳（メタデータ） (2025-03-20T12:28:08Z)
• Navigating the swarm: Deep neural networks command emergent behaviours [2.7059353835118602]
  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。
  論文  参考訳（メタデータ） (2024-07-16T02:46:11Z)
• Behavior-Inspired Neural Networks for Relational Inference [6.855586051080836]
  エージェント間の相互作用が時間と空間の力学系をどのように進化させるかを研究する。 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。
  論文  参考訳（メタデータ） (2024-06-20T21:36:54Z)
• Cognitive Evolutionary Learning to Select Feature Interactions for Recommender Systems [59.117526206317116]
  Cellはさまざまなタスクやデータに対して,さまざまなモデルに適応的に進化可能であることを示す。 4つの実世界のデータセットの実験では、細胞は最先端のベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2024-05-29T02:35:23Z)
• 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)
• Data-driven emotional body language generation for social robotics [58.88028813371423]
  社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。 我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。 評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
  論文  参考訳（メタデータ） (2022-05-02T09:21:39Z)

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。