使用质量多样性算法自动校准斑马鱼群体行为的人工神经网络
神经与进化计算
2019-07-23 v1 人工智能
神经元与认知
摘要
在过去二十年中，人们提出了多种鱼类群体运动模型。这些模型主要旨在揭示动物间社会交互的生物学机制。它们考虑非常简单的同质无界环境，且尚不清楚能否准确模拟群体轨迹。此外，当模型更为精确时，其向更大群体或更复杂环境扩展的能力仍属未知。本研究致力于利用真实世界跟踪数据，学习如何模拟斑马鱼群体的真实集体运动。目标是设计一个基于智能体的模型，可部署于能融入真实鱼群的人工机器鱼上。我们提出一种新方法，使用质量多样性（Quality Diversity）算法，该类算法强调探索而非纯粹优化。具体而言，我们使用 CVT-MAP-Elites，即最先进的 MAP-Elites 算法针对高维搜索空间的变体。结果表明，质量多样性算法不仅在宏观层面（即群体行为）优于经典进化强化学习方法，还能在微观层面（即个体行为）生成更真实的仿生行为。
引用
@article{arxiv.1907.09209,
title = {Automatic Calibration of Artificial Neural Networks for Zebrafish Collective Behaviours using a Quality Diversity Algorithm},
author = {Leo Cazenille and Nicolas Bredeche and José Halloy},
journal= {arXiv preprint arXiv:1907.09209},
year = {2019}
}
备注
8 pages, 4 figures, 1 table