FLYNN：ハエの脳トポロジーを利用したロボットナビゲーション用ロバストニューラルネットワーク

最近、arXivに投稿されたプレプリント論文で、FLYNN（ハエコネクトームニューラルネットワーク）が提案されました。これはショウジョウバエ（Drosophila melanogaster）のシナプス分解能の脳コネクトームから直接構築されたリカレントニューラルネットワーク（RNN）です。研究はBenquan Wang氏らによって行われ、深層学習モデルが新しい環境や感覚遮断に対して脆弱である問題に対処することを目的としています。ショウジョウバエの脳は小さいですが、そのコネクトームは完全に解明されており、豊富な生物学的計算構造を提供します。研究チームはこの構造をそのままRNNのアーキテクチャとして使用し、MuJoCo物理エンジンで視覚ベースのナビゲーションタスクを訓練しました。実験では、ロボットがシミュレーション環境で視覚入力を使って目標を見つける必要があります。結果、FLYNNは標準テストで同程度のパラメータ数を持つ手作りネットワーク（LSTM、GRUなど）と同等の性能を示しました。しかし、分布外（OOD）データテストでは、FLYNNが優れた耐性を示しました。例えば、環境のテクスチャや照明条件が変わった場合、そのナビゲーション成功率の低下は従来のネットワークよりもはるかに小さかったです。さらに印象的なのは、FLYNNが感覚喪失を許容することです：カメラ入力を完全に除去しても、内部状態に基づいてナビゲーションを続けることができました。一方、手作りネットワークはカメラドロップアウトで特別に訓練された場合でも、この状況でほとんど失敗しました。FLYNNの内部状態の主成分分析（PCA）は、その隠れ状態が高い表現モジュール性を持つことを示唆しており、異なるニューロン集団が異なる情報をエンコードしていることが示されました。これがロバスト性に関連している可能性があります。この発見は、生物の脳のトポロジーに従った resilient な人工エージェントを設計する新しい方向性を提供します。本論文はロボティクス（cs.RO）および人工知能（cs.AI）カテゴリに提出され、arXivで公開されています。将来の研究では、他の生物のニューラルネットワークトポロジーの探索や、実ロボットプラットフォームへの応用が計画されています。