A Mechanistic Model for Collective Motion from Sensorimotor Regularities

기술적 요약: 감각운동 규칙성에서 도출된 집단 운동에 대한 기계론적 모델

문제 제기
동물의 집단 행동 (예: 무리, 떼, 군집) 은 전통적으로 자가 추진 입자 (SPP) 프레임워크를 사용하여 모델링되어 왔습니다. SPP 모델은 추상적인 상호작용 힘을 통해 극성화 및 회전과 같은 군집 수준의 현상을 성공적으로 재현하지만, 근본적으로 기계론적이기보다는 기술적입니다. 그 매개변수 (상호작용 반경, 정렬 강도) 는 관찰된 패턴에 맞춰 조정되며 측정 가능한 생물학적 양과 대응하지 않습니다. 또한, SPP 모델은 종종 개체가 이웃의 위치와 heading(진행 방향) 에 직접 접근할 수 있다고 가정하는데, 이는 최근의 실증 연구 (예: Sayin 등) 가 상호작용을 매개하는 것이 직접적인 정렬이 아니라 감각 및 인지 메커니즘임을 보여줌으로써 반박됩니다. 따라서 생물이 실제로 지각하고, 추정하며, 물리적으로 수행할 수 있는 것에 기반한 감각운동 수준의 모델을 통해 집단 행동이 어떻게 생성되고 종 간에 어떻게 변이하는지 설명할 필요가 있습니다.

방법론
저자들은 로봇공학에서 집단 운동으로 확장된 Active InterCONnect (AICON) 프레임워크에 기반한 기계론적 모델을 제시합니다. 규칙 기반 또는 정책 주도 접근법과 달리, AICON 은 감각운동 규칙성의 역동적 구성을 통해 행동을 생성합니다.

• 아키텍처: 각 개체는 자신의 자세에 대한 재귀적 확률 추정기를 유지하며, 각 이웃에 대해서는 위치와 가시성에 대한 추정기를 유지합니다.
• 지각: 개체는 제한된 시야각 ($\psi$) 내에서 두 가지 각도 단서를 통해 이웃을 지각합니다: 방위각 ($\phi$) 과 겉보기 크기 ($\gamma$). 이들은 명시적인 깊이 감지가 필요 없이 방향 및 거리 정보를 인코딩합니다.
• 상태 추정: 개체는 불확실한 내부 상태 추정을 유지합니다. 이웃이 시야에서 벗어나면 추정기는 마지막 믿음을 앞으로 전파하여 불확실성 (기억) 을 누적합니다. 기억이 비활성화된 경우, 추정치는 재진입 시 폐기됩니다.
• 행동 선택: 개체는 지정된 상호작용 힘을 따르지 않습니다. 대신, 모든 추정된 이웃에 걸쳐 원하는 사회적 거리 ($d_0$) 에서의 예상 편차를 최소화하는 단일 미분 가능 비용 함수를 최소화합니다.
  $$g_i = \sum_{j \in V_i} E[| \|x_j\| - d_0 |]$$
  이 비용에 대한 경사 하강을 통해 세 가지 뚜렷한 행동 기울기가 자연스럽게 나타납니다:
  1. 위치 조정: 거리 오차를 줄이기 위해 이동.
  2. 능동적 지각: 추정 불확실성을 줄이기 위해 이동 (삼각측량).
  3. 재방향 전환: 가시성을 유지하고 불확실성을 줄이기 위해 시야 내 이웃을 유지하도록 회전.
• 제약 조건: 개체는 회전 민첩성을 나타내는 물리적 회전 제약 ($|\omega| \le \omega_{max}$) 을 받습니다.

실험 설정
시뮬레이션은 2D 연속 환경에서 유니사이클 운동학을 사용하여 $N=250$개의 개체로 수행되었습니다. 연구는 다섯 가지 주요 감각운동 매개변수 (표 1) 를 변형했습니다:

1. 시야각 ($\psi$): $\{90^\circ, 180^\circ, 270^\circ, 360^\circ\}$
2. 회전 민첩성 ($\omega_{max}$): $\{0.1, 0.3, 0.6, 0.9\}$
3. 방위각 잡음 ($\sigma_\phi$): $\{0.001, 0.01, 1, 10, 100\}$
4. 겉보기 크기 잡음 ($\sigma_\gamma$): $\{0.001, 0.01, 1, 10, 100\}$
5. 프로세스 잡음 ($Q$): $\{0.01, 0.1, 1, 10\}$

행동은 극성화, 공간적 응집성 (상대 원형 면적), 전역 변위, 응집성, 방향적 분열에 대한 지표를 사용하여 정량화되었습니다. 매개변수 영향을 결정하기 위해 분산 기반 전역 민감도 분석 (Sobol 지수) 이 수행되었습니다.

주요 결과
이 모델은 근본적인 상호작용 아키텍처를 변경하지 않고 감각운동 매개변수의 변이만으로 다양한 집단 행동이 나타난다는 것을 보여줍니다:

• 창발적 행동:
  • 안정된 고리: 개체가 신뢰할 수 있는 추정과 정확한 거리 제어를 유지하는 높은 회전 민첩성과 낮은 불확실성에서 발생합니다.
  • 회전 (Milling): 증가된 불확실성 하에서 창발합니다. 중간 정도의 불확실성은 느슨하고 불규칙한 고리를 생성하며, 높은 불확실성은 개체를 밀집하고 회전하는 군집으로 붕괴시킵니다.
  • 분열: 좁은 시야각과 높은 잡음, 그리고 기억 부재가 결합되면 개체가 가려진 이웃에 대한 추정을 유지할 수 없 drifting 그룹이나 평행한 흐름으로 분열됩니다.
• 매개변수 영향:
  • 회전 민첩성 ($\omega_{max}$): 추정이 신뢰할 수 있을 때 형성 기하학 (고리 반경) 을 지배하지만, 높은 불확실성 하에서는 군집의 밀집도에만 영향을 미칩니다.
  • 감각 잡음: 방위각 잡음은 방향 국소화를 방해하여 (무질서한 응집), 겉보기 크기 잡음은 거리 추정을 저하시킵니다 (안쪽으로 나선형으로 형성됨). 이는 스칼라 잡음 모델과 구별되는 뚜렷한 행동 서명을 생성합니다.
  • 기억: 좁은 시야각 하에서 응집성에 중요합니다. 초기 조건이 동일하더라도 그 부재는 질적인 분열로 이어집니다.
• 민감도 분석: 시야각 ($\psi$) 과 프로세스 잡음 ($Q$) 은 집단 행동의 지배적인 직접 동인입니다. 감각 잡음 매개변수는 주로 상호작용을 통해 작용합니다 (높은 총차수 지수). 기억은 민감도를 재분배하여 시스템을 단일 매개변수에 덜 의존하게 만듭니다.

의의 및 주장
이 논문은 집단 행동을 감각운동 규칙성에 기반함으로써 기술적 입자 모델에 대한 구성적 대안을 제공한다고 주장합니다.

• 기계론적 대 기술적: 이 모델은 행동이 어떻게 생성되는지 어떻게 설명할 뿐만 아니라 그것이 무엇처럼 보이는지 설명합니다. 매개변수는 적합된 상수가 아니라 측정 가능한 생물학적 양 (예: 회전 민첩성, 감각 잡음, 시야각 기하학) 에 대응합니다.
• 구현과 환경: 종 간 집단 행동의 차이는 추상적 상호작용 규칙의 차이가 아니라 구현 (감각운동 속성) 과 환경의 차이에서 도출된 창발적 결과로 프레임됩니다.
• 능동적 지각: 이 모델은 감각운동 루프 내에서 불확실성을 최소화하는 결과로서 삼각측량, 재방향 전환과 같은 능동적 지각 행동을 자연스럽게 생성하며, 이는 기억 없는 반응 모델이나 기하학적 기반이 결여된 추상적 베이지안 모델에는 부재하는 특징입니다.
• 예측력: 이 프레임워크는 측정 가능한 생물학적 매개변수를 조작함으로써 행동 전이와 조정 붕괴를 예측할 수 있음을 시사하며, 재적합 없이 새로운 종으로 예측을 이전할 수 있는 경로를 제공합니다.

한계
저자들은 종 간 예측이 여전히 실증 데이터에 대한 검증이 필요한 가설이라고 지적합니다. 현재 모델은 모든 개체가 동일하다고 가정하며, 가시성이 조절되더라도 이웃 상호작용을 비용 함수에 전역적으로 기여하는 것으로 취급합니다 (가시성은 조절되지만). 이는 관찰 가능한 구조를 제한할 수 있습니다. 향후 연구는 기하학적으로 국소화된 상호작용, 개체 변이, 구조화된 환경 교란을 포함하도록 제안됩니다.