机器人与斑马鱼混合群体中鱼类集体行为的神经网络模型进化优化

动物与机器人的社会交互在动物行为学与机器人学中均很有趣。一方面，机器人可作为分析动物集体行为的工具与模型；另一方面，机器人及其人工智能被直接与自然动物的集体智能对照和比较。第一步是设计能够与社会性动物交互的机器人及其行为控制器。设计此类行为仿生控制器仍是一项重要挑战，因为它们必须复现动物行为并基于实验数据校准。大多数动物集体行为模型由建模者基于实验数据设计。这一过程漫长且昂贵，因为难以识别相关行为特征，而这些特征随后被用作模型构建的先验知识。在此，我们希望对鱼类个体与集体行为建模以开发机器人控制器。我们探索使用基于人工神经网络（ANN）的优化黑盒模型来建模鱼类行为。尽管 ANN 可能并非仿生而是仿生启发式的，但它们可用于将感知关联到运动响应。这些模型旨在作为机器人控制器实现，以利用对鱼类行为的少量先验知识形成鱼与机器人的混合群体。我们提出一种使用多层感知机或回声状态网络的方法，其通过进化算法优化，以在有限矩形竞技场内精确建模鱼类个体与集体行为。我们评估所生成模型的仿生性，并将其与鱼类实验行为比较。