110 Arbeiten
Die Welt der Tiere ist voller Geheimnisse, doch wie genau sie denken, fühlen und miteinander kommunizieren, ist ein faszinierendes Forschungsgebiet. In diesem Bereich erforschen Wissenschaftler, wie Lebewesen ihre Umwelt wahrnehmen, Probleme lösen und komplexe soziale Bindungen eingehen. Es geht dabei nicht nur um Instinkte, sondern um die tiefgründigen kognitiven Prozesse, die das Verhalten von Vögeln, Säugetieren und sogar Insekten steuern.
Auf Gist.Science haben wir uns darauf spezialisiert, diese neuesten Erkenntnisse von bioRxiv direkt für Sie zugänglich zu machen. Wir bearbeiten jeden neuen Preprint in dieser Kategorie und erstellen sowohl verständliche Zusammenfassungen für den Laien als auch detaillierte technische Auswertungen. So können Sie die neuesten Entdeckungen über tierisches Lernen, Gedächtnis und Emotionen sofort nachvollziehen, ohne sich durch komplizierte Fachbegriffe kämpfen zu müssen.
Die folgende Liste zeigt Ihnen die aktuellsten Forschungsarbeiten aus dem Bereich der Tierverhaltensforschung und Kognition, die wir für Sie aufbereitet haben.
Diese Arbeit präsentiert und validiert ein Proof-of-Concept-System unter Verwendung von Hall-Effekt-Sensoren und einem Magnettag, um eine zuverlässige, nicht-invasive Echtzeitüberwachung der Anwesenheit und Aktivität der Königin für die Präzisionsimkerei zu ermöglichen.
Diese Studie etabliert eine automatisierte, nicht-invasive Heimkäfig-Plattform für Krallenaffen und nutzt Reinforcement-Learning-Modellierung, um zu demonstrieren, dass Belohnungsvorhersehbarkeit Verhaltenszustände reorganisiert, die Fehlerkorrektur schärft und die explorative Kontrolle während der Entscheidungsfindung verbessert.
Diese Arbeit erweitert den informationsgierigen „Infotaxis“-Algorithmus, um Echolokation als aktive Informationsbeschaffung zu modellieren, und zeigt auf, dass ein auf Infotaxis basierender Agent eine effizientere und robustere Ziellokalisierung unter sensorischer Unsicherheit im Vergleich zu traditionellen Maximum-A-Posteriori-Ansätzen erreicht.
Diese Rezension argumentiert, dass die translatorische Lücke in der psychedelischen Forschung auf systematische methodische Mängel in Tierstudien zurückzuführen ist – insbesondere auf die Vernachlässigung von „Set- und Setting“-Faktoren, die Verwendung unzureichender Verhaltensassays sowie das Versäumnis, individuelle Unterschiede und den sozialen Kontext zu berücksichtigen –, was eine grundlegende Verschiebung hin zu longitudinalen, soziallich angereicherten und individuell nachverfolgten experimentellen Designs erforderlich macht.
Dieses Paper führt die Successor Representation with Importance Sampling (SR-IS) ein, ein neuartiges Modell, das richtlinienunabhängige prädiktive Karten konstruiert, um effiziente, flexible Planung zu ermöglichen und menschliche Replanierungs-Biases im Vergleich zu bestehenden Theorien besser zu erklären.
Durch eine Reihe von Zeichenexperimenten mit Erwachsenen und Kindern zeigt diese Studie, dass das menschliche räumliche Gedächtnis fundamental um bewahrte topologische Relationen wie Knotenpunkte und Löcher strukturiert ist, während metrische Details wie Winkel und Längen systematisch verzerrt und im Laufe der Zeit degradiert werden.
Diese Studie stellt die Hypothese infrage, dass die menschliche Sprache durch eine Erweiterung des vokalen akustischen Bereichs entstanden ist, indem sie aufzeigt, dass Sprache und Gesang tatsächlich einen signifikant kleineren und statistisch ununterscheidbaren akustischen Merkmalsraum einnehmen als die nicht-linguistischen Vokalisationen des Menschen und die Rufe enger Verwandter der Primaten.
Basierend auf Langzeitdaten von wildlebenden Schimpansen zeigt diese Studie, dass Individuen ihre sozialen Netzwerke proaktiv reorganisieren, indem sie die Breite und Effizienz ihrer affektiven Interaktionen vor einer riskanten kollektiven Territorialverteidigung erhöhen, was auf einen gemeinsamen evolutionären Mechanismus zur Vorbereitung hominider Gruppen auf soziale Dilemmata hindeutet.
Dieses Paper führt ein verteiltes Modell ein, das dimensionale Ergebnissrepräsentationen in assoziatives Lernen integriert, und demonstriert durch vier Experimente, dass es traditionelle binäre Modelle bei der Vorhersage kontinuierlicher Ergebnisse signifikant übertrifft und besser widerspiegelt, wie Menschen kausale Zusammenhänge in komplexen Umgebungen kodieren.
Dieses Paper präsentiert einen umfassenden multimodalen Datensatz, der die 3D-Rekonstruktion von Körper-Umwelt-Interaktionen des Leimerten ermöglicht, indem er CT-basierte Meshes, rigide Modelle, synchronisierte Multi-View-Verhaltensvideos und Umweltmodelle integriert, um fortgeschrittene Verhaltensanalysen und Digital-Twin-Anwendungen zu unterstützen.