[論文レビュー] Zebrafish collective behaviour in heterogeneous environment modeled by a stochastic model based on visual perception

Bertrand Collignon, Axel Séguret+1 more|arXiv (Cornell University)|Sep 4, 2015

Diffusion and Search Dynamics参考文献 57被引用数 33

ひとこと要約

本論文は、立体角に基づく視覚的認識を用いて、3次元の不均一な環境における集団行動をシミュレートする、新しい確率的エージェントベースのゼブラフィッシュ群泳モデルを提案する。視覚的刺激から導かれる移動方向に関する確率分布を用いて魚の意思決定をモデル化することで、一貫性から方向選択への自発的遷移を再現し、均一および不均一な水槽における実験データを正確に再現する。

ABSTRACT

Collective motion is one of the most ubiquitous behaviours displayed by social organisms and has led to the development of numerous models. Recent advances in the understanding of sensory system and information processing by animals impel to revise classical assumptions made in decisional algorithms. In this context, we present a new model describing the three dimensional visual sensory system of fish that adjust their trajectory according to their perception field. Furthermore, we introduce a new stochastic process based on a probability distribution function to move in targeted directions rather than on a summation of influential vectors as it is classically assumed by most models. We show that this model can spontaneously transits from consensus to choice. In parallel, we present experimental results of zebrafish (alone or in group of 10) swimming in both homogeneous and heterogeneous environments. We use these experimental data to set the parameter values of our model and show that this perception-based approach can simulate the collective motion of species showing cohesive behaviour in heterogeneous environments. Finally, we discuss the advances of this multilayer model and its possible outcomes in biological, physical and robotic sciences.

研究の動機と目的

• 3次元空間における視覚的認識を考慮した、ゼブラフィッシュ集団運動の生物学的に現実的なモデルの構築。
• 古典的なベクトルベースの相互作用モデルを、移動方向に関する確率分布に基づく確率的プロセスに置き換え。
• 環境の不均一性がゼブラフィッシュの集団的意思決定および群れの結束に与える影響の解明。
• 均一および不均一な水槽で泳ぐゼブラフィッシュからの実証データを用いてモデルのパラメータをキャリブレーション。
• 認識に基づくモデルが、メトリック、トポロジカル、ボロノイベースのモデルに比べて、実験的集団行動を説明する上で優れていることを示すこと。

提案手法

• 魚をエージェントとしてモデル化し、3次元視覚フィールドを通じて同種個体および環境要因を認識し、立体角で定量化する。
• 球面幾何学とL’Huilierの定理を用いて、各刺激（魚または物体）の立体角を計算し、投影された多角形の球面超過を算出する。
• 移動方向の確率が関連する刺激の認識された立体角に比例する確率的移動ルールを定義する。
• 時間分解能1/3秒（ゼブラフィッシュの尾ひれ拍動周波数に一致）でMATLABに実装し、1時間分の行動をシミュレートする。
• 均一および不均一な水槽における単体および群れ（10匹）のゼブラフィッシュの実験データ（位置、速度、姿勢）を用いて、モデルパラメータをキャリブレーションする。
• 2段階のトラッキングパイプラインを適用：自動的なボビン検出の後、遮蔽または重なった魚の手動補正を実施。

実験結果

リサーチクエスチョン

• RQ1 3次元空間における立体角に基づく視覚的認識は、ゼブラフィッシュの集団的意思決定にどのように影響を与えるか？
• RQ2 認識された刺激に基づく確率的移動モデルは、群れの結束から方向移動への自発的遷移を再現できるか？
• RQ3 浮遊ディスクなどの環境の不均一性は、ゼブラフィッシュの群れの結束および集団的運動パターンにどのように影響を与えるか？
• RQ4 認識ベースのモデルは、古典的なメトリック、トポロジカル、ボロノイベースのモデルに比べて、実際のゼブラフィッシュ行動をどれほどよくシミュレートできるか？
• RQ5 視覚的認識と集団行動の間を結ぶ主要なパラメータは何か？

主な発見

• 明示的な整列ルールを設定せずとも、モデルは一貫性から方向選択への自発的遷移を正確に再現した。
• 立体角を視覚的認識の指標として用いることで、均一および不均一な環境下でのゼブラフィッシュ行動の正確なシミュレーションが可能になった。
• 均一および不均一な環境で、1条件あたり10 replicate の実験データを用いて、高い忠実度でモデルパラメータをキャリブレーションした。
• 特に複雑な環境下では、古典的モデル（メトリック、トポロジカル、ボロノイ）に比べ、認識ベースのモデルが実証データを説明する上で優れた性能を示した。
• 認識された立体角に基づく確率的移動ルールは、実際のゼブラフィッシュ群れで観察される変動性および意思決定ダイナミクスをより良く捉えていた。
• モデルは、明示的な整列力や結束力がなくても、視覚的認識のみで一貫性があり、協調的な群れの運動を生成できることを示した。