Beyond fish in formation: A two-tier approach for biomechanical studies of collective movement

이 논문은 인공지능 기반 추적과 로봇 어를 활용한 2 단계 접근법을 통해 물고기 떼가 유체 역학적 자극에 반응하여 위치와 운동 양상을 동적으로 조절함으로써 에너지 효율을 높인다는 것을 규명했습니다.

핵심

🎬 비유: "물고기 떼는 왜 그렇게 들쑥날쑥할까?"

1. 기존의 생각 vs. 새로운 발견

과거에는 물고기 떼가 마치 군대 행진처럼 정해진 줄을 서서 딱딱하게 움직인다고 생각했습니다. 마치 기차 열차가 레일 위를 달리는 것처럼요. 하지만 연구자들은 실제로 관찰해보니, 물고기들은 오히려 재미있는 춤을 추듯 끊임없이 위치를 바꾸고 움직인다는 걸 발견했습니다.

그런데 재미있는 점은, 이렇게 들쑥날쑥하게 움직여도 혼자 헤엄칠 때보다 에너지를 훨씬 더 아낀다는 것입니다.

비유: 혼자 걷는 사람은 일직선으로 걷지만, 친구 무리와 걷는 사람들은 서로 밀고 당기며 춤추듯 움직여도, 오히려 친구 무리와 걸을 때 더 덜 지친다는 것입니다. 도대체 어떻게 가능한 걸까요?

2. 연구의 두 가지 단계 (Two-Tier Approach)

이 의문을 해결하기 위해 연구자들은 두 가지 방법을 썼습니다.

1 단계: 거대한 카메라로 '물고기 파티'를 촬영하다 (Tier 1)

• 무엇을 했나요? 거대한 수조 안에 8 마리의 물고기 (자이언트 다니오) 를 넣고, 고화질 카메라로 200 초당 200 장의 속도로 촬영했습니다.
• 어떻게 분석했나요? 인공지능 (AI) 을 이용해 물고기 한 마리 한 마리의 움직임을 추적했습니다. 마치 스포츠 중계에서 선수들의 움직임을 분석하듯이요.
• 무엇을 발견했나요?
  • 물고기 떼 속의 개체들은 혼자 헤엄칠 때보다 훨씬 더 넓은 영역을 돌아다녔습니다. (혼자 헤엄치는 사람은 직선으로 가지만, 무리 속에서는 춤추듯 왔다 갔다 합니다.)
  • 하지만 놀랍게도 꼬리 치는 횟수 (박동수) 는 오히려 줄었습니다.
  • 비유: 혼자 헤엄칠 때는 "빠르게, 빠르게" 꼬리를 치지만, 무리 속에서는 "천천히, 크게" 몸을 흔들며 물의 흐름을 타고 다닙니다. 마치 서핑을 타는 사람처럼요. 다른 물고기들이 만들어낸 물결 (소용돌이) 을 이용해서 힘을 덜 들이는 것입니다.

2 단계: 로봇 물고기와 '감금된' 실험 (Tier 2)

• 무엇을 했나요? 물고기 한 마리를 작은 그물망으로 된 작은 방 (엔클로저) 에 넣고, 그 앞에는 로봇 물고기를 두었습니다. 로봇 물고기가 꼬리를 치며 물결을 만들어내면, 그 뒤에 있는 실제 물고기가 어떻게 반응하는지 관찰했습니다.
• 왜 그랬나요? 실제 물고기 무리는 너무 복잡해서 정확한 원인을 찾기 어렵기 때문입니다. 로봇을 쓰면 "물결의 세기와 주파수"를 완벽하게 통제할 수 있습니다.
• 무엇을 발견했나요?
  • 로봇 물고기가 꼬리를 치면, 뒤따라가는 실제 물고기는 순간적으로 로봇의 리듬에 맞춰 꼬리 치는 속도를 바꿨습니다.
  • 마치 리듬에 맞춰 춤추는 파트너처럼요. 로봇이 "빠르게" 치면 따라하고, "천천히" 치면 따라합니다.
  • 특히 로봇이 만들어낸 물결 (소용돌이) 을 타면, 실제 물고기는 더 적은 힘으로 더 멀리 갈 수 있었습니다.

---

💡 핵심 결론: "유동적인 춤이 에너지를 아낀다"

이 연구의 가장 큰 메시지는 다음과 같습니다:

1. 고정된 줄은 없다: 물고기 떼는 딱딱하게 줄을 서는 게 아니라, 끊임없이 움직이며 서로의 위치를 바꾸는 유동적인 시스템입니다.
2. 에너지 절약의 비결: 이 끊임없는 움직임이 오히려 에너지를 아끼는 비결입니다. 물고기들은 서로가 만들어낸 물결 (소용돌이) 을 타고 (Surfing) 헤엄칩니다.
3. 로봇과 AI 의 역할: 복잡한 자연 현상을 이해하려면, **인공지능 (AI)**으로 거대한 데이터를 분석하고, 로봇으로 정밀한 실험을 반복하는 두 가지 방법이 함께 필요했습니다.

🌊 한 줄 요약

"물고기 떼는 딱딱한 군대 행진이 아니라, 서로의 물결을 타고 춤추는 유동적인 파티입니다. 이 춤을 추는 과정에서 물고기는 서로의 힘을 빌려 에너지를 아끼며, 마치 서퍼가 파도를 타듯 효율적으로 헤엄칩니다."

이 연구는 우리가 물고기의 움직임을 이해하는 방식을 바꾸었을 뿐만 아니라, 앞으로 로봇 물고기나 드론 떼가 어떻게 에너지를 아끼며 집단으로 움직일지 설계하는 데에도 큰 영감을 줄 것입니다.

기술 요약

제공된 논문 "Beyond fish in formation: A two-tier approach for biomechanical studies of collective movement"에 대한 상세한 기술적 요약은 다음과 같습니다.

1. 연구 배경 및 문제 제기 (Problem)

• 기존 연구의 한계: 어류의 무리 행동 (schooling) 연구는 주로 고정된 형상 (fixed formations) 과 동기화된 움직임을 가정하는 이론적 모델에 의존해 왔습니다. 그러나 실제 실험 관찰에 따르면, 어류 무리는 역동적으로 위치를 재배치하며 3 차원적으로 움직이는 경우가 많습니다.
• 역설 (Dichotomy): 어류 무리는 개체 단독으로 수영할 때보다 운동 에너지를 절약하는 것으로 알려져 있습니다. 그런데 개체들이 고정된 형상을 유지하지 않고 역동적으로 상호작용하며 위치를 변경한다면, 어떻게 에너지를 절약할 수 있는지에 대한 메커니즘이 불명확합니다.
• 연구 가설: 어류 무리 내 개체들은 이웃 개체의 운동으로 생성된 유체 역학적 자극 (와류 등) 에 반응하여 위치와 운동학 (kinematics) 을 조절하며, 이로 인해 개체 단독 수영 시와 다른 운동 패턴을 보일 것이라고 가설을 세웠습니다.

2. 연구 방법론 (Methodology)

저자들은 이 문제를 해결하기 위해 이중 계층 (Two-tier) 접근법을 제안하고 실험을 수행했습니다.

• Tier 1: 대규모 무리 행동의 정량화 (High-resolution tracking)

  • 대상: 거대 다니오 (Devario aequipinnatus, 8 마리).
  • 환경: 수조 (Water tunnel) 내에 탄소 섬유 및 나일론 메쉬로 만든 3 차원 격자형 enclosure 를 설치하여 벽면 경계층 효과를 최소화했습니다.
  • 데이터 수집: 초당 200 프레임 (200 FPS) 의 고속 카메라 (측면 및 바닥면) 를 사용하여 3 차원 운동 데이터를 기록했습니다.
  • 분석 도구: 인공지능 (DeepLabCut, DLTdv8) 기반의 마커리스 (marker-less) 추적을 사용하여 개체별 꼬리 움직임과 전체 무리의 3 차원 볼륨 (Convex Hull Volume) 을 정량화했습니다.
  • 조건: 유속을 0.5~8.0 BL/s (Body Length per second) 까지 변화시키며, 특히 에너지 절감이 확인된 6 BL/s 속도에 집중하여 분석했습니다.

• Tier 2: 로봇 - 생물학적 enclosure 시스템을 통한 제어 실험

  • 시스템: 살아있는 물고기를 작은 enclosure 안에 넣고, 그 앞에 로봇 물고기 (유연한 재질로 제작된 플랩핑 foil) 를 배치했습니다.
  • 제어 변수: 로봇 물고기의 플랩핑 주파수, 각도, 위치 (정렬 및 교차 배치) 를 정밀하게 제어하여 살아있는 물고기가 받는 유체 자극을 통제했습니다.
  • 유체 역학 분석: PIV (Particle Image Velocimetry) 를 사용하여 enclosure 내부 및 후방의 와류 구조와 유속 변화를 측정했습니다.
  • 비교 조건: 로봇 물고기가 정지해 있는 대조군 (Control) 과 로봇이 움직이는 실험군을 비교하여 유체 자극에 대한 반응을 분석했습니다.

3. 주요 결과 (Key Results)

• 무리 내 개체의 운동학적 변이성 증가 (Tier 1 결과):

  • 무리 속의 개체들은 단독 수영하는 개체보다 위치 이동 범위 (movement area) 가 약 2 배 더 넓었으며, 수평 및 수직 방향의 이동 속도도 유의미하게 높았습니다.
  • 흥미롭게도, 이동 속도가 빨라졌음에도 꼬리 박기 주파수 (Tail beat frequency) 는 감소했습니다 (무리: 10.7 Hz vs 단독: 11.3 Hz).
  • 대신 꼬리 진폭 (Peduncle displacement) 은 증가했습니다. 이는 근육 활성화 감소 및 에너지 효율성 증가 (Kármán gait 와 유사한 수동적 운동) 를 시사합니다.
  • 무리의 3 차원 부피는 유속 증가에 따라 감소했으나, 매우 역동적으로 변동했습니다 (변동 계수 46.6%).

• 로봇 물고기에 대한 생체 반응 (Tier 2 결과):

  • 동기화: 살아있는 물고기는 앞선 로봇 물고기의 플랩핑 주파수 (2 Hz) 에 맞춰 꼬리 박기 주파수를 빠르게 동기화했습니다.
  • 운동학적 조절: 로봇 물고기의 와류 (Wake) 를 따라 수영할 때, 물고기는 주파수를 낮추고 진폭을 증가시켜 운동 노력 (Kinematic effort = 주파수 × 진폭) 을 줄였습니다.
  • 속도 의존성: 중간 속도 (20.7 cm/s) 에서는 주파수 감소가, 높은 속도 (23.8 cm/s) 에서는 진폭 감소가 운동 노력 감소의 주요 원인이었습니다.
  • 교차 배치 (Staggered formation): 로봇 물고기와 수평적으로 어긋난 위치에서는 주파수가 증가했으나, 운동 노력에는 통계적으로 유의미한 차이가 없었습니다.

4. 주요 기여 (Key Contributions)

1. 이중 계층 분석 프레임워크 제안:
   • 장기적인 3 차원 무리 역동성을 AI 기반 추적으로 분석하는 Tier 1과, 특정 유체 - 운동 상호작용을 정밀하게 통제하는 Tier 2(로봇 - 생물학적 시스템) 를 결합한 새로운 연구 패러다임을 제시했습니다.
2. 동적 무리 행동의 에너지 효율성 규명:
   • 어류 무리가 고정된 형상을 유지하지 않아도, 개체들이 이웃의 유체 자극에 반응하여 운동학 (주파수 감소, 진폭 증가) 을 실시간으로 조절함으로써 에너지를 절약한다는 것을 실험적으로 증명했습니다.
3. 로봇 - 생물학적 플랫폼 개발:
   • 살아있는 개체와 로봇 개체의 상호작용을 통제된 환경에서 반복적으로 연구할 수 있는 새로운 실험 장비 (Robo-biological enclosure) 를 개발하여, 유체 역학적 자극과 생체 반응 간의 인과 관계를 규명했습니다.
4. AI 기반 추적 기술의 적용:
   • 복잡한 무리 환경에서 개체 식별과 3 차원 운동학 데이터를 고해상도로 추출하기 위해 딥러닝 기반 추적 기술 (DeepLabCut) 을 성공적으로 적용했습니다.

5. 의의 및 결론 (Significance)

이 연구는 어류 무리 행동 연구에 있어 **"고정된 형상 (Formation)"이라는 기존의 가정을 넘어 "역동적 상호작용 (Dynamic Interaction)"**의 중요성을 강조합니다.

• 생물학적 통찰: 개체들이 무리 내에서 끊임없이 위치를 변경하고 운동 패턴을 조절하는 것은 혼란스러운 행동이 아니라, 이웃이 생성하는 와류를 활용하여 에너지를 절약하기 위한 적응적 전략임을 보여줍니다.
• 방법론적 혁신: 로봇 공학, 유체 역학, 인공지능 (AI) 추적을 융합한 접근법은 복잡한 집단 행동의 물리학적, 생리학적 메커니즘을 해독하는 강력한 도구가 될 것입니다.
• 미래 전망: 이 두 단계 접근법은 단순한 개체 운동 분석을 넘어, 집단 역학이 어떻게 에너지 효율성을 창출하는지에 대한 포괄적인 이해를 가능하게 하며, 향후 3 차원 공간에서의 정밀한 집단 행동 연구의 표준으로 자리 잡을 것으로 기대됩니다.