基于 Q 学习的湍流中时钟状态嗅觉搜索：羽流恢复的几何特性
生物物理
2026-05-18 v1 机器学习
摘要
在湍流中寻找气味源需要有效地将历史嗅觉观测信息转化为鲁棒的导航策略。在这项工作中，我们使用表格型 Q 学习训练一个具有最小过去观测记忆的嗅觉搜索智能体：仅有一个自上次嗅到气味以来的运行时钟。该智能体学习到一种可解释的羽流恢复策略，该策略结合了在昆虫中观察到的众所周知的行为：逆风突进、横向搜索和顺风返回。虽然在直接数值模拟湍流数据上取得了良好性能，但该智能体受限于无法根据局部间歇性水平调整其策略；我们表明，提供更大的灵活性可以提高鲁棒性。
引用
@article{arxiv.2605.15938,
title = {Clock-state olfactory search in turbulent flows using Q-learning: The geometry of plume recovery},
author = {Marco Rando and Robin A. Heinonen and Yujia Qi and Agnese Seminara},
journal= {arXiv preprint arXiv:2605.15938},
year = {2026}
}
备注
15 pages, 13 figures, 1 table