Non-Markovian Collective Motion from Self-Regulated Perceptual Dynamics
本文介绍了一个最小化的双时间尺度模型，其中智能体拥有一个慢速调节变量，该变量整合过去的对齐状态以调节当前决策，从而展示了此类内部反馈如何产生具有滞后性和记忆依赖性协调的非马尔可夫集体运动，这种运动有别于标准的 Vicsek 型动力学。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一群鸟或一群鱼。在大多数关于它们如何协同运动的计算机模型中，每只鸟都会瞬间观察邻居，并立即转向以匹配它们的方向。这就像一间挤满人的房间，每个人在邻居移动的瞬间就立刻模仿其动作。
但在现实世界中，生物不仅仅是即时的模仿者。它们拥有“内部状态”——诸如信心、注意力或一点固执之类的事物——这些状态会随时间缓慢变化。本文提出了一种新的建模方法。
以下是核心思想的分解，以简单概念呈现：
每个智能体内部的两个“大脑”
作者建议，每个移动的智能体（如鸟或机器人）实际上拥有两个以不同速度运作的内部“寄存器”或心理开关：
- 快速的“感知”寄存器：这是即时反应。它是瞬间的决定：“我是否应该向左转以匹配邻居？”或“我是否应该继续直行？”该寄存器变化极快，对当下发生的情况做出反应。
- 缓慢的“调节”寄存器：这是“记忆”或“情绪”。它不会瞬间改变。相反，它会缓慢地吸收快速寄存器在过去几分钟内的行为。如果快速寄存器一直在说“对齐、对齐、对齐”，那么缓慢寄存器就会开始变得“兴奋”或“投入”。
反馈回路：记忆如何形成
当这两个寄存器相互“交谈”时，奇迹便发生了：
- 从快到慢：如果快速寄存器持续决定与邻居对齐，它就会缓慢地“提升”缓慢的调节寄存器。这就像一个人越成功地跟随群体，就越变得自信。
- 从慢到快：一旦缓慢寄存器被“提升”，它就像一个音量旋钮或偏置器。它使得快速寄存器在未来更有可能选择“对齐”，即使邻居们正在摇摆不定。
这就形成了一个闭环。群体的过去行为影响当下的情绪，而当下的情绪又影响未来的行动。
“量子”技巧（别惊慌！）
本文使用了一些涉及“布洛赫表示”和"GKSL 生成器”的复杂数学。这些术语通常出现在量子物理学中。然而，作者非常明确：他们并非声称这些鸟或机器人实际上是量子粒子。
他们只是借用了一种卓越的数学工具，该工具擅长描述具有两种状态的事物（如“开/关”或“对齐/不对齐”），并确保数学结果保持现实（正值且有界）。这就像为了一个简单海绵蛋糕而使用复杂的食谱，仅仅因为它能保证蛋糕不会塌陷。
模拟中发生了什么？
当作者运行计算机模拟时，他们发现了由于这种快慢回路而产生的三个令人惊讶的现象：
“滞后”效应（粘性状态）：
想象你在转动一个旋钮以增加“反馈”（即缓慢寄存器对快速寄存器的影响程度）。- 当你调高旋钮时，群体最终开始完美同步地移动。
- 现在，将旋钮调低。你可能会预期群体会立即分崩离析，重新变得混乱。
- 但事实并非如此。 即使旋钮调低，群体依然保持有序。
- 类比：这就像一个沉重的飞轮。一旦你让它高速旋转，即使你不再用力推，它仍会继续旋转。群体“记住”了自己曾处于有序状态，并维持这种状态。这被称为滞后，它证明了系统拥有对其过去的记忆。
“金发姑娘”区域：
群体的秩序与内部“情绪”之间的关系并非一条直线。- 如果反馈太弱，群体与情绪无法很好地同步。
- 如果反馈太强，一切都会陷入一种僵化、饱和的状态，不再发生变化，因此它们不再动态地“相互交谈”。
- 最佳点：存在一个中等水平的反馈，此时群体与其内部情绪完美同步，以最有效的方式共同移动和变化。
非马尔可夫运动（过去的幽灵）：
在物理学中，“马尔可夫”过程是指未来仅取决于当下的过程。而“非马尔可夫”过程则取决于过去。- 由于缓慢寄存器保留着历史，群体今天的运动取决于昨天发生了什么。尽管计算机内部的数学在技术上是“无记忆”的（因为它显式地追踪缓慢变量），但如果你只观察鸟类的运动，它们看起来就像在记住过去。
结论
本文表明，你无需为机器人或鸟类编程复杂的“记忆规则”（例如“记住过去 5 秒”），就能让它们表现出拥有记忆的行为。
如果你只是赋予它们一个简单的内部系统，其中快速反应缓慢地积累成一种缓慢的情绪，而这种情绪又影响下一次反应，那么群体自然会发展出记忆、固执和复杂的协调能力。这种“记忆”是从快与慢的相互作用中自动涌现的。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。