[論文レビュー] Automated optimisation of multi-level models of collective behaviour in a mixed society of animals and robots

Léo Cazenille, Nicolas Bredèche+1 more|HAL (Le Centre pour la Communication Scientifique Directe)|Feb 2, 2016

Species Distribution and Climate Change参考文献 35被引用数 12

ひとこと要約

本論文は、動物とロボットが混在する社会における集団的意思決定の微視的およびハイブリッド型エージェントベースモデルを、進化的アルゴリズムを用いて自動的にキャリブレーションするフレームワークを提示する。このフレームワークは、メタ認知的常微分方程式（ODE）モデルによる実証済みのコ cockroach（コクシーロボット）の避難所選択行動の集団的ダイナミクスを再現するロボットコントローラーのパラメータを的確に生成し、バイオハイブリッドシステムにおける正確な行動再現と制御を可能にする。

ABSTRACT

Animal and robotic collective behaviours can exhibit complex dynamics that require multi-level descriptions. Here, we are interested in developing a multi-level modeling framework for the use of robots in studies about animal collective decision-making. In this context, using robots can be useful for validating models in silico, inducing calibrated repetitive stimuli to trigger animal responses or modulating and controlling animal collective behaviour. However, designing appropriate biomimetic robotic behaviour faces a major challenge: how to go from the collective decision dynamics observed with animals to an actual algorithmic implementation in robots. In previous work, this was mainly done by hand, often by taking inspiration from human-designed models. Typically, models of behaviour are either macroscopic, differential equations of the population dynamics, or microscopic,explicit spatio-temporal state of each individual. Only microscopic models can easily be implemented as robot controllers. Here, we address the problem of automating the design of lower level description models that can be implemented in robots and exhibit the same collective dynamics as a given higher level model. We apply evolutionary algorithms to simultaneously optimise the parameters of models accounting for different levels of description. This methodology is applied to an experimentally validated shelter-selection problem solved by gregarious insects and robots. We successfully design and calibrate automatically both a microscopic and a hybrid model exhibiting the same dynamics as a macroscopic one. Our framework can be used for multi-level modeling of collective behaviour in animal or robot populations and bio-hybrid systems.

研究の動機と目的

• 動物集団における観察された集団的ダイナミクスを再現するように手動でロボット行動を設計する課題に対処すること。
• マクロスコピックモデル（例：ODE）から実装可能な微視的ロボットコントローラーへの自動的移行を実現すること。
• 行動研究のための、正確で再現可能かつキャリブレーション済みの動物-ロボット混合社会の制御を可能にすること。
• 自動的に最適化された微視的およびハイブリッドモデルが、基準となるマクロスコピックODEモデルと同一の集団的意思決定ダイナミクスを再現することを検証すること。
• アドホックなパrameterチューニングに依存せずに、バイオハイブリッドシステムにおけるロボットコントローラー設計のスケーラブルな手法を提供すること。

提案手法

• 微視的（有限状態マシン）およびハイブリッド型エージェントベースモデルのパラメータを同時に最適化するため、進化的アルゴリズムを採用する。
• コクシーロボットの避難所選択に関する、事前に実験的に検証済みのマクロスコピックODEモデルを、基準となるダイナミクス系として用いる。
• 先行研究から得られた個体レベルのコクシーロボット行動に関する実証データを、事前知識としての微視的制約として組み込む。
• 微視的およびハイブリッドモデルのシミュレートされた集団的ダイナミクスが、ODEモデルの予測と一致するようにキャリブレーションする。
• キャリブレーションされたモデルの妥当性を検証するため、避難所選択ダイナミクス（例：合意形成時間、好好好の傾向）をODEモデルと比較する。
• 実世界の実験設定（群れをなす昆虫とロボットが避難所選択タスクに参加）にこのフレームワークを適用する。

実験結果

リサーチクエスチョン

• RQ1 進化的アルゴリズムは、動物意思決定のマクロスコピックODEモデルの集団的ダイナミクスを再現する微視的ロボットコントローラーのパラメータを自動的に生成できるか？
• RQ2 マクロスコピックと微視的情報を統合したハイブリッドモデルは、検証済みのマクロスコピックモデルのダイナミクスをどの程度正確に再現できるか？
• RQ3 提案手法は、一貫性があり予測可能な反応を引き起こすキャリブレーション済みかつ実装可能なロボット行動を生成できるか？
• RQ4 バイオハイブリッドシステムにおいて、手動設計されたロボット行動と自動最適化で生成された行動との間には、どの程度の性能差があるか？
• RQ5 この手法は、他の種類や複数選択肢を含む意思決定シナリオへどの程度一般化可能か？

主な発見

• 進化的アルゴリズムは、コクシーロボットの避難所選択タスクにおいて、基準ODEモデルの集団的ダイナミクスを再現する有限状態マシン（FSM）モデルを成功裏にキャリブレーションした。
• マクロスコピックと微視的情報を統合したハイブリッド型エージェントベースモデルも、ODEモデルのダイナミクスを高い忠実度で再現した。
• FSMモデルおよびハイブリッドモデルの両方が、ODEモデルと同等の合意形成時間とサイト選択パターンを示し、自動キャリブレーションプロセスの有効性を確認した。
• この手法により、手動によるパrameterチューニングを経ずに、マクロスコピックな行動ダイナミクスを実装可能なロボットコントローラーに直接変換できるようになった。
• このアプローチは、動物とロボットの混合社会におけるロボット行動設計のためのスケーラブルで再現可能なフレームワークを提供する。
• 結果から、予測可能でキャリブレーションされた方法で動物集団と相互作用するバイオインspired（バイオインスパイア）ロボットコントローラーを自動最適化によって生成することが可能であることが示された。