从运动数据时间序列推断跟随策略的框架

个体群体如何就运动决策达成共识？个体是跟随朋友、 predetermined 的单一领导者，还是恰好在附近的任意个体？为从计算上解决这些问题，我们形式化了“协调策略推断问题”。在该设定中，多个个体的群体以协调方式朝目标路径运动。每个个体使用特定策略跟随他人（例如最近邻、预定义领导者、偏好朋友）。给定一组包含协调运动的时间序列以及一组候选策略作为输入，我们提供了（据我们所知）首个方法学，以推断每个个体在群体层面是使用局部一致系统还是类独裁策略来实现运动协调。我们通过预测模拟数据集以及两个真实世界数据集（鱼群与狒狒群）中群体中个体的运动方向，评估并展示了所提框架的性能。此外，由于此前没有推断个体层面策略的方法学，我们将我们的框架与用于群体层面协调模型分类任务的最先进方法进行比较。结果表明，即使在复杂的混合策略设定下，我们的方法在模拟数据集中也能高度准确地推断出正确策略，而这是现有方法无法推断的。在群体层面协调模型分类任务中，我们的框架在所有数据集中均优于最先进方法。动物数据实验表明，正如预期，鱼跟随其邻居，而狒狒偏好跟随特定个体。我们的方法可推广至实数任意时间序列数据，不限于运动数据。