ショウジョウバエ全脳コネクトームを制御器に、模擬個体の全身運動を実現

何が起きたか

研究グループは、成虫ショウジョウバエの全脳コネクトームをグラフ構造のニューラル制御器として直接実装し、模擬生体力学モデルの全身運動制御を深層強化学習で実現した。多様な運動タスクで安定した性能と、グラフ・非グラフのベースラインを上回るサンプル効率を示した。

詳細

研究グループは、成虫ショウジョウバエの全脳コネクトームをグラフ構造のニューラル制御器として直接実装し、模擬生体力学モデルの全身運動制御を深層強化学習で実現した。多様な運動タスクで安定した性能と、グラフ・非グラフのベースラインを上回るサンプル効率を示した。

Key Facts

本紙の見方

本成果は、脳全体のコネクトームを直接ニューラル制御器として用いる点で新規性が高い。従来の神経科学ではコネクトーム解析が主に情報処理の理解に使われてきたが、これを身体運動制御のためのアーキテクチャ事前知識として活用する試みは、神経科学とロボティクスを橋渡しする新しい方向性を示す。特に、グラフ構造をそのまま制御器にすることで、サンプル効率が向上した点は、実機ロボットへの応用可能性を示唆する。ただし、模擬環境での検証であり、実機での性能や、コネクトームの詳細な神経活動との整合性は未確認である。また、この手法が他の生物やより複雑な運動制御に拡張可能かどうかも今後の課題となる。

なぜ重要か

この研究は、脳の配線図をそのまま制御器に使うという新しいパラダイムを示し、生物の神経回路から学ぶロボット制御の可能性を広げる。特に、サンプル効率の向上は、実機での学習コスト削減につながる可能性があり、フィジカルAIの分野に影響を与えるとみられる。