了解人们如何最有效地一起采摘草莓，或者如何与朋友一起选择完美的冰淇淋店，灾难响应小组能从中受益多少？
所有这些场景都基于一个非常基本的问题：人类群体如何以及何时能够集体适应不同的情况。德国柏林卓越情报科学集群 (SCIoI) 最近开展的两项关于集体动态的研究为促进更好的协调行动奠定了基础，同时展示了该集群的分析-合成循环方法的潜力：以人为本（分析）研究与新型计算机模拟（合成）的互连。
通过了解个人决策如何影响集体表现，我们可以增强应急服务和日常团队合作，并进一步开发有效的分散式机器人系统，以多种方式造福社会（想想探索潜在危险地方（如摇摇欲坠的建筑物）的机器人）。
人群如何行动并做出集体决策（分析方面）
通过一项自然沉浸式现实实验，《智能科学》的研究人员展示了有关人类集体行为动态的新发现。《自然通讯》杂志发表的一项研究“集体激励减少不受约束的人类群体中对社交信息的过度利用” ，探讨了在现实群体环境中个人决策如何影响集体结果。
在实验中，一组组参与者在类似视频游戏的 3D虚拟环境中自由移动，寻找隐藏的宝藏。这类似于狩猎和采集、扑灭野火或共同寻找幸存者的场景。
研究人员改变了资源分配方式和参与者的激励方式。个人往往受益于与他人保持密切联系并利用他们的发现。然而，在群体层面，这会导致群体表现不佳。
“这有点像抄袭作业：你从中受益，但从长远来看，对团队绩效没有贡献，”多米尼克·德夫纳说。“但事实证明，在团队层面给予奖励，类似于团队成就奖金，可以减少这种抄袭行为，从而提高团队绩效。”
为了从自然的社会互动中提取个人决策，研究人员开发了一个计算模型，帮助他们理解关键的决策过程。该模型从视觉和运动数据中推断出决策序列，并表明群体奖励使人们不太可能遵循社交信息，鼓励他们随着时间的推移变得更加挑剔。
100 个虚拟机器人一起寻找资源，左侧的合作较少，右侧的合作较多。图片来源：SCIoI/David Mezey
该研究还研究了群体在时间和空间中如何移动和行动，在不同时间探索新区域和使用已知资源之间找到平衡。这些发现对于改进许多领域的群体策略非常重要，例如解决企业问题或改进搜救行动。
视觉感知和体现如何影响集体决策（综合方面）
在一项名为“集体觅食中的视觉社交信息使用”的补充研究中，研究人员在《PLOS 计算生物学》上发表了一种新的计算模型，探索个人决策如何影响集体行为。
该模型适用于任何现实情况，即一群人、动物或机器人一起寻找奖励。这个计算模型解决了两个主要问题：个人如何根据周围可见的信息做出决策？他们如何同时在物理空间中移动？
在这项研究中，一群模拟机器人在虚拟游乐场中寻找资源，这与 Deffner 上文描述的非常相似。资源以块状分布，耗尽后会重新出现在新位置。虚拟机器人可以选择探索环境以寻找新的资源块、跟随其他机器人消耗资源或停留并消耗资源直至资源耗尽。
研究结果表明，简单的决定（例如下一步去哪里）可以导致复杂的群体行为。
David Mezey 表示：“环境在群体如何有效合作方面发挥着重要作用。当资源集中时，紧密合作并依靠共享信息是最有效的解决方案。然而，当资源分散时，个人或较小的子群体最好独立工作。这解释了我们许多人可能熟悉的一些日常群体行为。
“想象一下，一群消防员奉命扑灭森林里的一场大火。如果火焰集中在一个明确的区域，最好的策略就是让所有人在这个特定的位置一起行动。但是，如果火势已经蔓延到各个区域，那么更有效的做法是让消防员分成更小的小组，独立寻找和处理分散的区域。”
这项研究还强调了身体和视觉限制如何影响团队表现。作者在计算机模拟中加入了现实世界的限制，例如，当个体距离太近时会相互碰撞，或者挡住彼此的视线。
理论框架。来源：Mezey 等人（2024 年）
他们发现，这些限制可以从根本上改变集体行为，有趣的是，在某些情况下，甚至可以提高群体表现。例如，视觉受限的虚拟机器人只关注附近的个体，从而改善它们的搜索策略。想象一下和朋友一起采摘草莓：即使朋友在离你很远的地方发现了一些水果，你也可能想留在你的区域，以避免到达已经空了的地块。
这些限制对虚拟机器人有类似的影响，这项研究表明了为什么在研究群体行为时考虑这些限制如此重要。
分析、综合并再次循环
我们已经通过基于物理原理的简单互动规则了解了某些动物的集体行为，尤其是鱼类、鸟类和绵羊。然而，要了解人类的集体行为，我们需要了解人们做出的所有个人决定以及产生这些决定的认知过程。
在两项研究中，研究人员将个人认知与现实环境中的集体结果联系起来，从而根据个人决策来解释复杂的群体结果。换句话说，以人为本的研究（分析方面）的见解被用于创建计算模型（合成方面），这些模型可用于更好地理解集体行为和社会学习（循环）等现象。
这提供了一条富有成效的前进道路，希望能让人们理解、预测和指导关键领域的集体成果。
总体而言，这些研究全面揭示了在集体觅食任务中将个体认知与集体成果联系起来的机制，为优化各个领域的集体表现提供了新的视角。这对于分散式机器人系统的影响尤其有希望。
了解群体表现的现实限制可能会重塑我们将来开发高效群体机器人应用程序的方式。
本站全部资讯来源于实验室原创、合作机构投稿及网友汇集投稿，仅代表个人观点，不作为任何依据，转载联系作者并注明出处：https://www.lvsky.net/418.html
评论