類腦神經網絡賦能無人機集群涌現自組織避障行為

近日，中國科學院自動化研究所研究員曾毅團隊借鑒自然界中群體智能的去中心化、自組織的行為機制，提出了一種無人機集群的自組織生存避障模型。相關研究成果發表于細胞出版社旗下期刊《模式》（Patterns）。

自然界中廣泛存在著集群行為。自然界的集群行為表現出自組織、去中心化、分布式等特點，每個個體獨立地具備相對簡單的學習能力，并與其周圍局部的環境交互。而群體的智能行為正是由個體間的自組織協同涌現出來的。在計算建模中考慮到個體行為之間的耦合影響，對集群行為的優化通常采用中心控制的方法，而全局優化會帶來大量的計算，對環境變化的適應性也較差。

為此，曾毅團隊借鑒自然界中群體智能的去中心化、自組織的行為機制，提出了一種無人機集群的自組織生存避障模型。集群中每個個體獨立地采用類腦脈沖神經網絡實現在線強化學習，該網絡融合了長時程的多巴胺全局調控和局部的脈沖時序依賴突觸可塑性。每個個體根據視野一定范圍內觀測到的其他智能體的行為來優化類腦脈沖神經網絡，實現高效、自組織的交互學習。集群的智能行為通過具備在線學習能力的個體之間的局部交互，自組織地涌現出來。

該模型應用于類食蚜蠅的生存定域實驗，即具有“領地所有權”機制的集群在有限的區域內能夠彼此之間保持安全的穩態，不會發生碰撞并且互不侵犯“領地”。仿真場景下不同集群規模的生存定域實驗結果表明，該模型能夠快速學習到安全的飛行策略，并保證集群整體長時間的穩定、安全飛行。真實場景下有限區域內多架無人機的實驗也驗證了該模型對動態、不確定環境的快速學習和適應能力，無人機之間能夠快速的躲避，不會發生碰撞。與基于人工神經網絡學習方法對比，該模型采用脈沖神經網絡表現出更優的性能和更好的穩定性。

論文第一作者、中科院自動化所副研究員趙菲菲認為，該研究從群體行為決策機制到個體的在線學習模型都更接近于生物的信息處理機制，為未來發展符合自然界生物學習、決策、演化機理的集群智能打下了基礎。

曾毅表示，該研究增加了進一步挑戰更為復雜、高等認知功能的信心與決心。“近十年來，我們在持續不斷打造全脈沖神經網絡的類腦認知智能引擎Brain-inspired Cognitive Intelligence Engine (BrainCog)用于支持解碼包括人類在內的生物智能本質，并在此基礎上研制類腦人工智能。該研究正是BrainCog在類腦學習機理與涌現、行為演化方面的基礎性探索與應用，相關模型與算法將全部開源開放，希望與學術界共同促進類腦人工智能的協同發展。”