[論文レビュー] How Robots in a Large Group Make Decisions as a Whole? From Biological Inspiration to the Design of Distributed Algorithms

Gabriele Valentini|arXiv (Cornell University)|Feb 10, 2020

Slime Mold and Myxomycetes Research参考文献 79被引用数 4

ひとこと要約

本論文は、社会性昆虫や群れの行動といった生物的集団をインスピレーション来源として、局所的相互作用と共有情報を利用して、中央集権的制御なしに、強靭でスケーラブルかつ適応可能なグループ意思決定を達成するためのモジュラーなフレームワークを提示する。主な貢献は、予測モデルを用いてパフォーマンス保証を実現する数学的に根拠のある設計アプローチである。

ABSTRACT

Nature provides us with abundant examples of how large numbers of individuals can make decisions without the coordination of a central authority. Social insects, birds, fishes, and many other living collectives, rely on simple interaction mechanisms to do so. They individually gather information from the environment; small bits of a much larger picture that are then shared locally among the members of the collective and processed together to output a commonly agreed choice. Throughout evolution, Nature found solutions to collective decision-making problems that are intriguing to engineers for their robustness to malfunctioning or lost individuals, their flexibility in face of dynamic environments, and their ability to scale with large numbers of members. In the last decades, whereas biologists amassed large amounts of experimental evidence, engineers took inspiration from these and other examples to design distributed algorithms that, while maintaining the same properties of their natural counterparts, come with guarantees on their performance in the form of predictive mathematical models. In this paper, we review the fundamental processes that lead to a collective decision. We discuss examples of collective decisions in biological systems and show how similar processes can be engineered to design artificial ones. During this journey, we review a framework to design distributed decision-making algorithms that are modular, can be instantiated and extended in different ways, and are supported by a suit of predictive mathematical models.

研究の動機と目的

• 中央集権的制御なしに、多数の個体がどのように集団的意思決定を達成するかという根本的メカニズムを理解すること。
• 動的環境に適応可能で、強靭かつスケーラブルな人工的集団意思決定システムを設計する課題に取り組むこと。
• 異なるアプリケーションに即座に適用可能で拡張可能な、分散型アルゴリズムのためのモジュラーなフレームワークを構築すること。
• エンジニアリングされた集団システムのパフォーマンスと安定性を保証する予測的数学的モデルを提供すること。
• 分散型意思決定システムにおいて、生物学的観察と工学的実装の間のギャップを埋めること。

提案手法

• フレームワークは、アリの餌探求、鳥の群れ、魚の群れといった生物的例に基づく。個体は局所的相互作用と環境的キューを用いて集団的合意に到達する。
• 局所的相互作用を通じた分散型情報共有を採用し、各エージェントは限られた局所的観測に基づいて自身の状態を更新する。
• モularityを重視し、情報収集、情報共有、意思決定閾値といったコンponentsを独立して設定・拡張可能にする。
• 数学的モデルを用いて、収束速度、正確性、障害やノイズに対する耐性といったシステム行動を予測する。
• グループサイズの増加に伴ってパフォーマンスが劣化しないようにすることで、スケーラビリティを確保する。
• 確率過程とコンセンサスダイナミクスを用いた形式的分析により、集団的意思決定の結果を分析可能にする。

実験結果

リサーチクエスチョン

• RQ1 生物的集団は、中央集権的制御なしに、単純な局所的相互作用をどのように用いて信頼性の高い集団的意思決定を達成するのか？
• RQ2 自然のシステムから抽出可能な設計原則は何か。これにより、スケーラブルで強靭な人工的集団意思決定アルゴリズムを設計できるか？
• RQ3 パフォーマンス保証を維持しながらも、モジュラーかつ拡張可能であるように、分散型アルゴリズムをどのように構造化できるか？
• RQ4 さまざまな条件下で、このような人工的集団の行動と収束を予測する数学的モデルは何か？
• RQ5 これらのエンジニアリングされたシステムは、動的または故障状態にある環境でも、どのようにして強靭性と適応性を維持できるか？

主な発見

• フレームワークは、生物学的意思決定メカニズムを人工的集団のための設計青写真に成功して翻訳した。
• 環境的キューと共有情報に基づく局所的相互作用ルールが、強靭でスケーラブルな集団的意思決定を可能にする。
• モジュラーなアーキテクチャにより、多様なロボット的または計算システムへの柔軟なインスタンス化が可能である。
• 予測的数学的モデルが、意思決定の正確性、収束速度、障害耐性に関する形式的保証を提供する。
• 個体の故障や喪失が生じても、高いパフォーマンスを維持し、レジリエンスを示す。
• このアプローチにより、グループサイズの増加に伴ってパフォーマンスが劣化しないスケーラブルな意思決定が実現される。