Understanding Electro-communication and Electro-sensing in Weakly Electric Fish using Multi-Agent Deep Reinforcement Learning
Created by
Haebom
Category
Empty
저자
Satpreet H. Singh, Sonja Johnson-Yu, Zhouyang Lu, Aaron Walsman, Federico Pedraja, Denis Turcu, Pratyusha Sharma, Naomi Saphra, Nathaniel B. Sawtell, Kanaka Rajan
개요
본 논문은 Gnathonemus petersii와 같은 약전기 어류의 활성 감각 및 통신 행동 연구를 위한 새로운 생물학적 영감의 계산 프레임워크를 제시한다. 다중 에이전트 강화 학습(MARL)을 통해 훈련된 순환 신경망(RNN) 기반 인공 에이전트는 가상 환경에서 먹이를 찾기 위해 전기 기관 방전(EOD)과 움직임 패턴을 조절하는 법을 배운다. 훈련된 에이전트는 실제 어류 집단과 일치하는 다양한 특징을 보이며, 환경적 맥락에 따라 EOD 간격 분포가 변화하고 무임승차와 같은 사회적 상호 작용 패턴을 나타낸다. 2마리 어류 실험을 통해 동종 EOD 접근성과 상대적 우세가 먹이 찾기 성공에 미치는 영향을 확인했다. 이러한 행동은 개별 적합성에 대한 진화 영감 보상과 에이전트 간의 상호 작용을 통해 나타난다.
