学习任务无关的构型以捕捉动物行为的连续本质

动物灵活地重组有限的核心运动构型，以满足多样化的任务需求，但现有的行为分割方法通过强加离散音节的限制性生成性假设，过于简化了这一过程。为更好地捕捉行为生成的连续结构，我们引入基于构型的连续动力学（MCD）发现框架，该框架（1）通过利用行为转换结构的表征，揭示可解释的构型集合作为行为潜在基函数；（2）将行为动力学建模为这些构型的连续演化混合物。我们在多任务网格世界、迷宫导航任务以及自由行动动物行为上验证了MCD。在各种设置下，它识别出可重用的构型组件，捕捉连续的组合动力学，并生成超越传统离散分割模型能力的真实轨迹。通过提供一种复杂动物行为如何从基本运动构型动态组合中涌现的生成性解释，Our approach（本译文：本方法） advances the quantitative study of natural behavior（本译文：对自然行为的定量研究）。