FLYNN：利用果蝇脑拓扑结构的鲁棒神经网络用于机器人导航

近日，一篇发表在arXiv上的预印本论文提出了FLYNN（果蝇连接组神经网络），这是一种直接基于果蝇（Drosophila melanogaster）突触分辨率脑连接组构建的循环神经网络（RNN）。该研究由Benquan Wang等人完成，旨在解决深度学习模型在面对新环境或感官剥夺时的脆弱性问题。果蝇的大脑虽小，但其连接组已被完整解析，提供了丰富的生物计算结构。研究团队将这一结构直接用作RNN的架构，无需手工设计，并在MuJoCo物理引擎中训练FLYNN执行基于视觉的导航任务。实验中，机器人需要在一系列模拟环境中通过视觉输入找到目标。结果显示，FLYNN在标准测试中与参数数量相近的手工设计网络（如LSTM、GRU）性能相当。但在分布外（OOD）数据测试中，FLYNN表现出显著优越的抵抗能力，例如当环境纹理或光照条件改变时，其导航成功率下降幅度远小于传统网络。更令人印象深刻的是，FLYNN能容忍感官丢失：在完全移除摄像头输入的情况下，它仍能依靠内部状态继续导航，而手工设计网络即使专门用摄像头丢失进行训练也会在此情况下失效。对FLYNN内部状态的主成分分析（PCA）表明，其隐藏状态具有高度表征模块化性，即不同神经元群体分别编码不同方面的信息，这可能解释了其鲁棒性。这一发现为设计更具弹性的智能代理提供了新方向，即遵循生物大脑的拓扑结构。该论文已提交至机器人学（cs.RO）和人工智能（cs.AI）类别，并获得了arXiv公开访问。未来，研究者计划进一步探索其他生物神经网络的拓扑，并将FLYNN应用于真实机器人平台。