全脑连接组图模型实现果蝇全身运动控制
机器学习
2026-03-10 v2 机器人学
摘要
整个脑生物神经网络自然支持整个身体运动的学习和控制。然而，尽管将脑连接组作为神经网络控制器用于具身强化学习，仍未得到探索。我们研究使用成年果蝇大脑的确切神经架构来控制其身体运动。我们开发了 Fly-connectomic Graph Model（FlyGM），其静态结构与成年 Drosophila 的完整连接组相同，用于全身 locomotion 控制。为了实现动态控制，FlyGM 将静态连接组表示为带向导信息传递图，以施加来自感觉输入到运动输出的生物学上基于信息流的约束。集成到生物力学果蝇模型后，我们的方法在 diverse locomotion 任务中实现了稳定控制，且无需针对特定任务进行架构调优。为了验证连接组基于模型的结构优势，我们将其与保持度的重排图、随机图和多层感知器进行比较，结果表明 FlyGM 在样本效率和性能方面均优于后者。这一工作表明，静态脑连接组可以转化为用于具身运动控制学习的有效神经策略。
引用
@article{arxiv.2602.17997,
title = {Whole-Brain Connectomic Graph Model Enables Whole-Body Locomotion Control in Fruit Fly},
author = {Zehao Jin and Yaoye Zhu and Chen Zhang and Yanan Sui},
journal= {arXiv preprint arXiv:2602.17997},
year = {2026}
}