A Mechanistic Model for Collective Motion from Sensorimotor Regularities

तकनीकी सारांश: संवेदी-मोटर नियमितताओं (Sensorimotor Regularities) से सामूहिक गति के लिए एक यांत्रिक मॉडल

समस्या विवरण
जानवरों (जैसे झुंड, स्कूल, या दल) के सामूहिक व्यवहार को पारंपरिक रूप से स्व-चालित कण (Self-Propelled Particle - SPP) ढांचों का उपयोग करके मॉडल किया जाता है। जबकि SPP मॉडल अमूर्त अंतःक्रिया बलों (abstract interaction forces) के माध्यम से ध्रुवीकरण (polarization) और मिलिंग (milling) जैसी समूह-स्तरीय घटनाओं को सफलतापूर्वक पुनरुत्पादित करते हैं, वे मौलिक रूप से वर्णनात्मक (descriptive) हैं न कि यांत्रिक (mechanistic)। उनके पैरामीटर (अंतःक्रिया त्रिज्या, संरेखण शक्ति) देखे गए पैटर्न के आधार पर फिट किए जाते हैं और मापने योग्य जैविक मात्राओं के साथ उनका कोई सीधा संबंध नहीं होता है। इसके अलावा, SPP मॉडल यह मान लेते हैं कि एजेंटों के पास पड़ोसियों की स्थिति और दिशा तक सीधी पहुँच होती है, जो कि हालिया अनुभवजन्य कार्य (जैसे सायन एट अल.) के विपरीत है, जो दर्शाता है कि प्रत्यक्ष संरेखण के बजाय संवेदी और संज्ञानात्मक तंत्र अंतःक्रिया को संचालित करते हैं। एक ऐसे मॉडल की आवश्यकता है जो संवेदी-मोटर स्तर पर आधारित हो—जो उन चीजों पर कार्य करे जिन्हें जीव वास्तव में देख, अनुमान लगा और शारीरिक रूप से निष्पादित कर सकते हैं—ताकि यह समझाया जा सके कि सामूहिक व्यवहार कैसे उत्पन्न होता है और विभिन्न प्रजातियों में यह कैसे भिन्न होता है।

कार्यप्रणाली
लेखक एक्टिव इंटरकनेक्ट (AICON) ढांचे पर आधारित एक यांत्रिक मॉडल प्रस्तुत करते हैं, जिसे रोबोटिक्स से सामूहिक गति के लिए विस्तारित किया गया है। नियम-आधारित या नीति-संचालित दृष्टिकोणों के विपरीत, AICON संवेदी-मोटर नियमितताओं के गतिशील संयोजन के माध्यम से व्यवहार उत्पन्न करता है।

• वास्तुकला (Architecture): प्रत्येक एजेंट अपने स्वयं के पोज़ (pose) के लिए और प्रत्येक पड़ोसी के लिए, उसकी स्थिति और दृश्यता (visibility) के लिए पुनरावर्ती संभाव्यता अनुमानकों (recursive probabilistic estimators) को बनाए रखता है।
• अनुभूति (Perception): एजेंट एक सीमित दृष्टि क्षेत्र ($\psi$) के भीतर दो कोणीय संकेतों के माध्यम से पड़ोसियों को देखते हैं: बेयरिंग ($\phi$) और आभासी आकार ($\gamma$)। ये बिना स्पष्ट गहराई संवेदन (depth sensing) की आवश्यकता के दिशात्मक और दूरी संबंधी जानकारी को एनकोड करते हैं।
• स्थिति अनुमान (State Estimation): एजेंट अनिश्चित आंतरिक अवस्था अनुमानों को बनाए रखते हैं। जब कोई पड़ोसी दृष्टि क्षेत्र से बाहर जाता है, तो अनुमानक अंतिम विश्वास (belief) को आगे बढ़ाता है, जिससे अनिश्चितता (स्मृति/memory) बढ़ती है। यदि स्मृति अक्षम कर दी जाती है, तो पुनः प्रवेश पर अनुमानों को हटा दिया जाता है।
• क्रिया चयन (Action Selection): एजेंट निर्धारित अंतःक्रिया बलों का पालन नहीं करते हैं। इसके बजाय, वे एक एकल अवकलनीय लागत फलन (differentiable cost function) को कम करते हैं: सभी अनुमानित पड़ोसियों के लिए वांछित सामाजिक दूरी ($d_0$) से अपेक्षित विचलन।
  $$g_i = \sum_{j \in V_i} E[| \|x_j\| - d_0 |]$$
  इस लागत के ग्रेडिएंट डिसेंट के माध्यम से, तीन विशिष्ट व्यवहारिक ग्रेडिएंट स्वाभाविक रूप से उभरते हैं:
  1. स्थिति समायोजन (Position Adjustment): दूरी त्रुटि को कम करने के लिए हिलना।
  2. सक्रिय संवेदन (Active Sensing): अनुमान अनिश्चितता (त्रिकोणीकरण/triangulation) को कम करने के लिए हिलना।
  3. पुनः उन्मुखीकरण (Reorientation): दृश्यता बनाए रखने और अनिश्चितता को कम करने के लिए पड़ोसियों को दृष्टि क्षेत्र के भीतर रखने हेतु मुड़ना।
• बाधाएं (Constraints): एजेंट भौतिक टर्निंग बाधाओं ($|\omega| \le \omega_{max}$) के अधीन हैं, जो मुड़ने की चपलता (turning agility) का प्रतिनिधित्व करती हैं।

प्रायोगिक सेटअप
सिमुलेशन $N=250$ एजेंटों के साथ 2D निरंतर वातावरण में यूनिसाइकिल किनेमैटिक्स (unicycle kinematics) का उपयोग करके किए गए थे। अध्ययन में पांच प्रमुख संवेदी-मोटर मापदंडों (तालिका 1) को बदला गया:

1. दृष्टि क्षेत्र ($\psi$): $\{90^\circ, 180^\circ, 270^\circ, 360^\circ\}$
2. टर्निंग चपलता ($\omega_{max}$): $\{0.1, 0.3, 0.6, 0.9\}$
3. बेयरिंग शोर ($\sigma_\phi$): $\{0.001, 0.01, 1, 10, 100\}$
4. आभासी आकार शोर ($\sigma_\gamma$): $\{0.001, 0.01, 1, 10, 100\}$
5. प्रक्रिया शोर ($Q$): $\{0.01, 0.1, 1, 10\}$

व्यवहार को ध्रुवीकरण, स्थानिक सघनता (सापेक्ष वृत्ताकार क्षेत्र), वैश्विक विस्थापन, सामंजस्य (cohesion), और दिशात्मक विखंडन (directional fragmentation) जैसे मेट्रिक्स का उपयोग करके मापा गया। पैरामीटर प्रभाव निर्धारित करने के लिए एक वैश्विक विचरण-आधारित संवेदनशीलता विश्लेषण (सोबोल इंडिसेस) किया गया।

मुख्य परिणाम
मॉडल यह प्रदर्शित करता है कि अंतर्नि้น अंतःक्रिया वास्तुकला को बदले बिना, केवल संवेदी-मोटर मापदंडों में भिन्नता से विविध प्रकार के सामूहिक व्यवहार उभरते हैं:

• उभरते हुए व्यवहार (Emergent Behaviors):
  • स्थिर वलय (Stable Rings): कम अनिश्चितता और उच्च टर्निंग चपलता पर होते हैं, जहाँ एजेंट विश्वसनीय अनुमान और सटीक दूरी नियंत्रण बनाए रखते हैं।
  • मिलिंग (Milling): बढ़ी हुई अनिश्चितता के तहत उभरती है। मध्यम अनिश्चितता ढीले अनियमित वलय बनाती है; उच्च अनिश्चितता एजेंटों को घने, घूमते हुए समूहों में सिकोड़ देती है।
  • विखंडन (Fragmentation): संकीर्ण दृष्टि क्षेत्र के साथ उच्च शोर और बिना स्मृति (no memory) के होने पर विखंडन होता है, क्योंकि एजेंट अवरुद्ध (occluded) पड़ोसियों के अनुमान को बनाए रखने में असमर्थ होते हैं।
• पैरामीटर प्रभाव:
  • टर्निंग चपलता ($\omega_{max}$): जब अनुमान विश्वसनीय होता है तो गठन ज्यामिति (वलय त्रिज्या) को नियंत्रित करती है, लेकिन उच्च अनिश्चितता के तहत केवल क्लस्टर की सघनता को प्रभावित करती है।
  • संवेदी शोर (Sensory Noise): बेयरिंग शोर दिशात्मक स्थानीयकरण को बाधित करता है (अव्यवस्थित एकत्रीकरण), जबकि आभासी आकार का शोर दूरी अनुमान को खराब करता है (अंदर की ओर सर्पिल संरचनाएं)। ये विशिष्ट व्यवहारिक हस्ताक्षरों को उत्पन्न करते हैं, जो स्केलर शोर मॉडल से भिन्न हैं।
  • स्मृति (Memory): संकीर्ण दृष्टि क्षेत्र के तहत सामंजस्य के लिए महत्वपूर्ण है। इसकी अनुपस्थिति समान प्रारंभिक स्थितियों के बावजूद गुणात्मक विखंडन की ओर ले जाती है।
• संवेदनशीलता विश्लेषण: दृष्टि क्षेत्र ($\psi$) और प्रक्रिया शोर ($Q$) सामूहिक व्यवहार के प्रमुख प्रत्यक्ष चालक हैं। संवेदी शोर पैरामीटर मुख्य रूप से अंतःक्रियाओं के माध्यम से कार्य करते हैं (उच्च कुल-क्रम सूचकांक)। स्मृति संवेदनशीलता को पुनर्वितरित करती है, जिससे प्रणाली किसी भी एकल पैरामीटर पर कम निर्भर हो जाती है।

महत्व और दावे
यह शोध पत्र दावा करता है कि यह संवेदी-मोटर नियमितताओं को आधार बनाकर वर्णनात्मक कण मॉडलों के लिए एक रचनात्मक विकल्प (constructive alternative) प्रदान करता है।

• यांत्रिक बनाम वर्णनात्मक: मॉडल यह समझाता है कि व्यवहार कैसे उत्पन्न होता है न कि केवल यह कि वह क्या दिखता है। पैरामीटर मापने योग्य जैविक मात्राओं (जैसे टर्निंग चपलता, संवेदी शोर, दृष्टि क्षेत्र ज्यामिति) के अनुरूप हैं, न कि फिट किए गए स्थिरांकों के।
• देहधारण (Embodiment) और पर्यावरण: विभिन्न प्रजातियों के बीच सामूहिक व्यवहार के अंतर को देहधारण (संवेदी-मोटर गुणों) और पर्यावरण में अंतर के परिणाम के रूप में फ्रेम किया गया है, न कि अमूर्त अंतःक्रिया नियमों में अंतर के रूप में।
• सक्रिय संवेदन (Active Sensing): मॉडल संवेदी-मोटर लूप के भीतर अनिश्चितता को कम करने के परिणाम के रूप में स्वाभाविक रूप से सक्रिय संवेदन व्यवहारों (त्रिकोणीकरण, पुनः उन्मुखीकरण) को उत्पन्न करता है, जो स्मृतिहीन प्रतिक्रिया मॉडल या ज्यामितीय आधार के बिना बेयसियन मॉडल में अनुपस्थित विशेषता है।
• पूर्वानुमान शक्ति: ढांचा यह सुझाव देता है कि व्यवहारिक संक्रमण और समन्वय टूटने की भविष्यवाणी मापने योग्य जैविक मापदंडों में हेरफेर करके की जा सकती है, जो बिना पुनः फिटिंग के नई प्रजातियों तक भविष्यवाणियों को स्थानांतरित करने का मार्ग प्रदान करती है।

सीमाएं
लेखक नोट करते हैं कि क्रॉस-स्पीशीज भविष्यवाणियां एक परिकल्पना है जिसके लिए अनुभवजन्य डेटा के विरुद्ध सत्यापन की आवश्यकता है। वर्तमान मॉडल मानता है कि सभी एजेंट समान हैं और पड़ोसियों की अंतःक्रिया को वैश्विक रूप से लागत फंक्शन में योगदान देने वाला मानता है, चाहे अवरोध (occlusion) हो या नहीं (हालांकि दृश्यता को मॉड्युलेट किया जाता है), जो प्रेक्षित संरचनाओं को सीमित कर सकता है। भविष्य के कार्य में ज्यामितीय रूप से स्थानीयकृत अंतःक्रियाओं, व्यक्तिगत भिन्नता और संरचित पर्यावरणीय व्यवधानों को शामिल करने का सुझाव दिया गया है।