[논문 리뷰] Automated optimisation of multi-level models of collective behaviour in a mixed society of animals and robots

Léo Cazenille, Nicolas Bredèche외 1명|HAL (Le Centre pour la Communication Scientifique Directe)|2016. 02. 02.

Species Distribution and Climate Change참고 문헌 35인용 수 12

한 줄 요약

이 논문은 동물과 로봇이 혼합된 사회에서 집단적 의사결정의 미시적 및 하이브리드 에이전트기반 모델을 캘리브레이션하는 데에 진화적 알고리즘을 사용하는 자동화된 프레임워크를 제시한다. 검증된 고전적 미분방정식(ODE) 모델에 기반한 메크로스코픽 모델의 집단적 동역학을 정확하게 재현할 수 있도록 로봇 제어기 파라미터를 생성함으로써, 생하이브리드 시스템에서 정밀한 행동 복제와 제어를 가능하게 한다.

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.

연구 동기 및 목표

• 관찰된 집단적 동역학을 재현하는 데에 수동적으로 로봇 행동을 설계하는 데 도전하는 것.
• 메크로스코픽 모델(예: ODE)에서 직접 실행 가능한 미시적 로봇 제어기로의 자동 전환을 위한 것.
• 행동 연구를 위해 동물-로봇 혼합 사회의 정밀하고 재현 가능하며 캘리브레이션된 제어를 가능하게 하는 것.
• 자동 최적화된 미시적 및 하이브리드 모델이 기준 메크로스코픽 ODE 모델과 동일한 집단적 의사결정 동역학을 재현하는지 검증하는 것.
• 사전 적합 조정에 의존하지 않고 생하이브리드 시스템에서 로봇 제어기 설계를 위한 확장 가능한 방법론을 제공하는 것.

제안 방법

• 진화적 알고리즘을 사용하여 미시적(유한 상태 기계) 및 하이브리드 에이전트기반 모델의 파라미터를 동시에 최적화한다.
• 기존의 실험적으로 검증된 메뚜기 피난소 선택에 대한 메크로스코픽 ODE 모델을 기준 역학 시스템으로 사용한다.
• 이전 연구에서 확보한 개별 메뚜기 행동에 대한 실증 데이터를 사전 미시적 제약 조건으로 통합한다.
• 미시적 및 하이브리드 모델을 캘리브레이션하여 시뮬레이션된 집단적 동역학이 ODE 모델의 예측과 일치하도록 한다.
• ODE 모델과의 비교를 통해 캘리브레이션된 모델의 피난소 선택 동역학(예: 공감의 시간, 장소 선호도)을 검증한다.
• 사람이 관찰하는 집단적 행동을 모의하는 실세계 실험 설정(예: 무리성이 강한 곤충과 로봇이 피난소 선택 과제에 참여)에 프레임워크를 적용한다.

실험 결과

연구 질문

• RQ1 진화적 알고리즘이 메커니즘적 의사결정의 메크로스코픽 ODE 모델의 집단적 동역학을 재현할 수 있는 미시적 로봇 제어기 파라미터를 자동으로 생성할 수 있는가?
• RQ2 메크로스코픽 및 미시적 정보를 통합한 하이브리드 모델이 검증된 메크로스코픽 모델의 동역학을 얼마나 잘 재현할 수 있는가?
• RQ3 제안된 방법이 일관되고 예측 가능한 반응을 유도하는 캘리브레이션된, 실행 가능한 로봇 행동을 생성할 수 있는가?
• RQ4 수동 설계된 로봇 행동과 자동 최적화를 통해 생성된 행동 간의 성능 격차는 어떤가?
• RQ5 이 방법론은 다른 종이나 다중 선택 의사결정 시나리오로 일반화될 수 있는가?

주요 결과

• 진화적 알고리즘이 기준 ODE 모델의 집단적 동역학을 메뚜기 피난소 선택 과제에서 재현할 수 있도록 유한 상태 기계(FSM) 모델을 성공적으로 캘리브레이션했다.
• 메크로스코픽 및 미시적 정보를 통합한 하이브리드 에이전트기반 모델도 ODE 모델의 동역학을 높은 정밀도로 재현했다.
• FSM 및 하이브리드 모델 모두 ODE 모델과 유사한 공감 시간과 장소 선호 패턴을 보였으며, 자동 캘리브레이션 과정의 타당성을 확인했다.
• 이 방법론은 수동 파라미터 조정 없이 메크로스코픽 행동 동역학을 직접 실행 가능한 로봇 제어기로 변환할 수 있도록 한다.
• 이 접근법은 동물과 로봇의 혼합 사회에서 로봇 행동을 설계하기 위한 확장 가능하고 재현 가능한 프레임워크를 제공한다.
• 결과적으로 자동 최적화를 통해 생물학적 영감을 받은 로봇 제어기를 생성할 수 있음을 보여주며, 이는 동물 집단과 예측 가능하고 캘리브레이션된 방식으로 상호작용하고 조절할 수 있음을 시사한다.