[논문 리뷰] 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)|2020. 02. 10.

Slime Mold and Myxomycetes Research참고 문헌 79인용 수 4

한 줄 요약

이 논문은 사회 곤충과 群집단과 같은 생물학적 집단에서 영감을 얻어, 중앙 집중식 제어 없이도 강건하고 확장성 있으며 적응 가능한 집단적 의사결정을 달성하기 위해 국소적 상호작용과 공유 정보를 사용하는 모듈러 프레임워크를 제시한다. 주요 기여는 예측 모델을 통해 성능 보장을 보장하는 수학적으로 탄탄한 설계 접근법이다.

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.

연구 동기 및 목표

• 중앙 집중식 제어 없이도 대규모 개인 집단이 어떻게 집단적 의사결정을 내리는지 생물학적 시스템에서 영감을 얻어 기본 메커니즘을 이해하는 것.
• 동적 환경에 적응 가능한 강건하고 확장성 있으며 적응 가능한 인공 집단 의사결정 시스템을 설계하는 과제를 해결하는 것.
• 다양한 응용 분야에 적용되고 확장될 수 있는 분산 알고리즘을 위한 모듈러 프레임워크를 개발하는 것.
• 공 ing된 집단 시스템의 성능과 안정성 보장을 보장하는 예측 수학 모델을 제공하는 것.
• 분산형 의사결정 시스템에서 생물학적 관찰과 공 ing된 구현 간 격차를 메우는 것.

제안 방법

• 프레임워크는 개미의 먹이 찾기, 새 떼의 비행, 물고기 무리와 같은 생물학적 사례에서 영감을 얻었으며, 개인들이 국소적 상호작용과 환경적 단서를 사용하여 집단적 합의에 도달한다.
• 각 에이전트가 제한된 국소적 관측에 기반해 자신의 상태를 업데이트하는 국소적 상호작용을 통한 분산 정보 공유를 사용한다.
• 모듈러리티에 중점을 두어 정보 수집, 공유, 의사결정 임계값 등의 구성 요소를 독립적으로 구성하고 확장할 수 있도록 한다.
• 수학적 모델을 사용해 시스템 행동을 예측하며, 수렴 속도, 정확도, 고장 또는 노이즈에 대한 강건성 등을 포함한다.
• 그룹 규모 증가에 따라 성능이 떨어지지 않도록 하여 확장성을 보장한다.
• 확률적 과정과 합의 역학을 사용해 집단적 의사결정 결과의 공식적 분석을 가능하게 한다.

실험 결과

연구 질문

• RQ1 생물학적 집단은 중앙 집중식 제어 없이도 간단한 국소적 상호작용을 통해 어떻게 신뢰할 수 있는 집단적 의사결정을 달성하는가?
• RQ2 인공 집단 의사결정 알고리즘을 확장성 있고 강건하게 설계하기 위해 자연 시스템에서 도출할 수 있는 설계 원칙은 무엇인가?
• RQ3 성능 보장을 유지하면서도 모듈러리티와 확장성을 갖춘 분산 알고리즘은 어떻게 구성할 수 있는가?
• RQ4 다양한 조건에서 이러한 인공 집단의 행동과 수렴성을 예측할 수 있는 수학적 모델은 무엇인가?
• RQ5 이러한 공 ing된 시스템은 변화하는 환경이나 고장 상황에서도 어떻게 강건성과 적응성을 유지하는가?

주요 결과

• 프레임워크는 생물학적 의사결정 메커니즘을 인공 집단을 위한 설계 청사진으로 성공적으로 번역하였다.
• 환경 단서와 공유 정보에 기반한 국소적 상호작용 규칙이 강건하고 확장 가능한 집단적 의사결정을 가능하게 한다.
• 모듈러 아키텍처는 다양한 로봇 또는 계산 시스템에 대해 민첩하게 적용 가능하다.
• 예측 수학 모델은 의사결정 정확도, 수렴 속도, 고장 내성에 대한 공식적 보장을 제공한다.
• 개인의 고장 또는 실종 상황에서도 높은 성능을 유지하여 내성적 특성을 입증한다.
• 해당 접근법은 그룹 규모 증가에 따라 성능이 떨어지지 않는 확장 가능한 의사결정을 가능하게 한다.