FLYNN：利用果蠅腦拓撲結構的魯棒神經網路用於機器人導航

近日，一篇發表在arXiv上的預印本論文提出了FLYNN（果蠅連線組神經網路），這是一種直接基於果蠅（Drosophila melanogaster）突觸解析度腦連線組構建的迴圈神經網路（RNN）。該研究由Benquan Wang等人完成，旨在解決深度學習模型在面對新環境或感官剝奪時的脆弱性問題。果蠅的大腦雖小，但其連線組已被完整解析，提供了豐富的生物計算結構。研究團隊將這一結構直接用作RNN的架構，無需手工設計，並在MuJoCo物理引擎中訓練FLYNN執行基於視覺的導航任務。實驗中，機器人需要在一系列模擬環境中透過視覺輸入找到目標。結果顯示，FLYNN在標準測試中與引數數量相近的手工設計網路（如LSTM、GRU）效能相當。但在分佈外（OOD）資料測試中，FLYNN表現出顯著優越的抵抗能力，例如當環境紋理或光照條件改變時，其導航成功率下降幅度遠小於傳統網路。更令人印象深刻的是，FLYNN能容忍感官丟失：在完全移除攝像頭輸入的情況下，它仍能依靠內部狀態繼續導航，而手工設計網路即使專門用攝像頭丟失進行訓練也會在此情況下失效。對FLYNN內部狀態的主成分分析（PCA）表明，其隱藏狀態具有高度表徵模組化性，即不同神經元群體分別編碼不同方面的資訊，這可能解釋了其魯棒性。這一發現為設計更具彈性的智慧代理提供了新方向，即遵循生物大腦的拓撲結構。該論文已提交至機器人學（cs.RO）和人工智慧（cs.AI）類別，並獲得了arXiv公開訪問。未來，研究者計劃進一步探索其他生物神經網路的拓撲，並將FLYNN應用於真實機器人平臺。