多智能体强化学习仿真弱电鱼涌现真实社交行为
Kempner研究所发布了一项利用多智能体强化学习（MARL）训练虚拟弱电鱼的研究，论文题为《Active Electrosensing and Communication in MARL-trained Weakly Electric Fish Collectives》。该系统为社交行为研究提供了一个完全可观测、可控干预的计算测试平台，并已开源模型与补充材料。
已确认
- 研究搭建了受弱电鱼启发的多智能体强化学习框架，每个RNN代理可移动、发出电脉冲和撕咬，以觅食奖励为主，对被咬施加惩罚。
- 物理引擎模拟了鱼的运动与动态电场环境，每条鱼通过EOD脉冲产生电场，周围个体、食物和边界墙均会造成扰动。
- 模型借鉴真实弱电鱼设置M、A、K三种受体，M和A负责短距离感知，K负责长距离社交信号感知。
- 在没有显式社交规则的情况下，代理自发涌现竞争行为，包括追逐和撕咬，并形成明确的体型等级秩序：更大的鱼稳定获胜，体型差异越大食物消费不平等越严重。
- 仿真鱼的EOD统计特征与生物数据相似，包括放电间隔呈长尾分布、觅食时放电率上升、靠近更大鱼时放电受抑制。
- 电场感知使回家任务产生更平滑、弯曲且沿场几何结构前进的路径，优于ray-casting对照。
- RNN代理内部表征高度压缩（有效秩远低于网络宽度），能稳定编码任务与社交变量，如沿电场线回家角度和社交距离，近距离时神经活动对齐更强。
为什么重要
- 该框架证明复杂社交行为可从简单的觅食奖励与物理交互中涌现，无需预设社会规则，为理解真实鱼群提供了可证伪的假设生成工具。
- 虚拟系统支持in vivo难以实现的干预实验，有助于优先排序关于真实鱼群的科学假设。
2026-07-29 ~ 2026-07-29 · 11 条相关
一手来源
- Kempner 开源弱电鱼群体模型与论文补充材料 — tweetsatpreet ·
- 用多智能体强化学习训练「电子鱼」,涌现真实社交行为 — tweetsatpreet ·
- 多智能体鱼类仿真：RNN 代理可感知电场并互相撕咬 — tweetsatpreet ·
- 【源头】用多智能体强化学习训练「电子鱼」,涌现真实社交行为 — tweetsatpreet · 2026-07-29
- 物理引擎模拟鱼类运动与动态电场环境 — tweetsatpreet · 2026-07-29
- 仿真电鱼用 M、A、K 三类受体区分远近感知 — tweetsatpreet · 2026-07-29
- 【源头】多智能体鱼类仿真：RNN 代理可感知电场并互相撕咬 — tweetsatpreet · 2026-07-29
- 电场感知让仿真鱼更接近真实放电与回游轨迹 — tweetsatpreet · 2026-07-29
- 鱼类仿真在无社交规则下涌现攻击与等级秩序 — tweetsatpreet · 2026-07-29
- 体型越大越占优：鱼类仿真中的胜率与食物不平等 — tweetsatpreet · 2026-07-29
- 双智能体鱼类仿真揭示体型等级与食物分配不均 — tweetsatpreet · 2026-07-29
- 鱼类 RNN 学出低秩表征，回家角度和社交距离更好解码 — tweetsatpreet · 2026-07-29
- 虚拟电鱼群体为社交行为研究提供可观测试验台 — tweetsatpreet · 2026-07-29
- 【源头】Kempner 开源弱电鱼群体模型与论文补充材料 — tweetsatpreet · 2026-07-29