[论文解读] 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 12

一句话总结

本文提出了一种自动化框架，利用进化算法校准动物与机器人混合社会中集体决策的微观和混合型基于代理的模型。该框架成功生成了能够复现经验证的宏观常微分方程（ODE）模型在蜚蠊庇护所选择行为中集体动态的机器人控制器参数，从而在生物混合系统中实现精确的行为复现与控制。

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.

研究动机与目标

• 解决手动设计机器人行为以复现动物群体中观察到的集体动态的挑战。
• 自动化实现从宏观模型（例如 ODE）到可实施的微观机器人控制器的转换。
• 实现对动物-机器人混合社会的精确、可重复且经过校准的行为控制，以支持行为研究。
• 验证自动优化的微观和混合模型是否能复现与参考宏观 ODE 模型相同的集体决策动态。
• 提供一种可扩展的方法学，用于在生物混合系统中设计机器人控制器，而无需依赖临时的参数调优。

提出的方法

• 采用进化算法同时优化微观（有限状态机）和混合型基于代理模型的参数。
• 以一个预先存在的、经实验验证的蜚蠊庇护所选择宏观 ODE 模型作为参考动态系统。
• 将先前研究中获得的个体蜚蠊行为经验数据作为先验微观约束条件。
• 校准微观和混合模型，使其模拟的集体动态与 ODE 模型的预测相匹配。
• 通过比较校准后模型的庇护所选择动态（例如，共识时间、选址偏好）与 ODE 模型的结果，对模型进行验证。
• 将该框架应用于一个涉及群居性昆虫与机器人在庇护所选择任务中的真实实验设置。

实验结果

研究问题

• RQ1 进化算法能否自动生成微观机器人控制器参数，以复现动物决策宏观 ODE 模型的集体动态？
• RQ2 结合宏观与微观信息的混合模型在多大程度上能复现经验证的宏观模型的动态？
• RQ3 所提出的方法能否生成经过校准、可实施的机器人行为，从而在动物群体中引发一致且可预测的响应？
• RQ4 在生物混合系统中，与手动设计的机器人行为相比，通过自动优化生成的行为在性能上存在多大差距？
• RQ5 该方法学在多大程度上可推广至其他物种或多种选择的决策场景？

主要发现

• 进化算法成功校准了有限状态机（FSM）模型，使其在蜚蠊庇护所选择任务中复现了参考 ODE 模型的集体动态。
• 整合宏观与微观信息的混合型基于代理模型也以高保真度匹配了 ODE 模型的动态。
• FSM 模型与混合模型在共识时间及选址模式方面均与 ODE 模型表现相当，证实了自动化校准过程的有效性。
• 该方法学实现了将宏观行为动态直接转化为可实施的机器人控制器，无需手动参数调优。
• 该方法提供了一套可扩展且可重复的框架，用于在动物与机器人混合社会中设计机器人行为。
• 结果表明，可利用自动优化生成生物启发式机器人控制器，以可预测且经过校准的方式调节和与动物群体互动。