自律エージェントの内発的目標：階層的探索がショウジョウバエの将来の随意行動を捉える

- ショウジョウバエ（Drosophila melanogaster）の全脳記録と neuromechanical digital twin を組み合わせ、内在的目標（intrinsic goals）の最適化が自発的探索行動と将来の随意運動の神経表現を再現できるかを検証する研究。 - 外部報酬なしで訓練した人工エージェントが、ハエの自発運動統計と将来の turn direction の予測符号化をどの程度一致させるかを評価する。 - 階層的 policy が低レベル motor primitives の離散ライブラリから選択する枠組みを採用。

- 全脳記録により、自発的探索決定の神経表現が10秒以上前に現れることを示した点。 - 20種類の intrinsic motivation algorithms（curiosity, entropy, competency）を同一の embodied 環境で比較し、行動と神経表現の両面でハエに最も一致する手法を特定した点。 - 行動 syllables という ethological theories に沿った階層的 motor primitives 選択を、神経表現の対応まで含めて検証した点。

- ハエ実験を模した virtual tethered-ball assay を構築し、spontaneous locomotor statistics と internal representations を比較。 - 階層的 policy が離散的な低レベル motor primitives を選択するアーキテクチャ。 - 外部報酬なしで、curiosity・entropy・competency にまたがる20の intrinsic motivation algorithms を用いて訓練。 - kinematics と neural activity から将来の turn direction をハエと同じタイムスケールで decoding して評価。

- virtual tethered-ball assay 上で、spontaneous locomotor statistics と internal representations をハエの実験データと比較。 - kinematics および neural activity から将来の turn direction を decoding し、ハエで観測されたタイムスケールと照合。 - DIAYN が行動・神経の prospective coding 性能で最も強い一致を示し、個体差や interhemispheric encoding の sum-difference rule も再現したと報告。

- DIAYN の学習 policy がハエ探索戦略の個体差を捉え、その多様性が population level での state-space coverage 最大化に寄与する可能性を示唆。 - DIAYN の latent activity が生物の interhemispheric encoding における sum-difference rule を再現した点を議論。 - 階層的・内在的動機付けエージェントが動物の autonomy を reverse-engineering する枠組みとして有効と主張。 - 限界や未解決点は要旨からは不明。

- DIAYN（Diversity Is All You Need） - curiosity・entropy・competency に基づく intrinsic motivation algorithms の各手法 - ショウジョウバエ全脳記録および neuromechanical digital twin に関する研究 - behavioral syllables に関する ethological theories