混雑した環境での安全なナビゲーションには、衝突回避だけでなく、協調的な通行が不可欠である。従来の手法は、通信や事前に割り当てられた優先順位、近隣エージェントの目的や将来の行動のモデル化に依存することが多く、動的で異種の群れでは実現が難しい。そこで本研究では、神経形態学的意思決定ダイナミクス（Neuromorphic Decision Dynamics, NDD）を提案する。これは分散型でイベントベースのコントローラであり、混雑空間でのナビゲーションに安全性、活性、ロバスト性、スケーラビリティの保証を提供する。
NDDの核心は、安全かつ活発な競合解決を、局所的なエージェント間相互作用の制御可能で局所的に調整可能な創発的特性として設計することにある。各エージェントは他のエージェントと通信する必要がなく、優先順位を事前に割り当てられることもなく、近隣の目的や将来の行動、群れのサイズやグローバルなネットワーク特性を知る必要もない。代わりに、NDDはエージェントの内部意思決定と注意状態のダイナミクスを、変化する物理状態や局所的に観測された相対運動と結合させる。各エージェントは所定の経路に沿って速度を継続的に調整し、競合解決に必要なだけ早く、かつ必要なだけ応答する。
エージェントは局所的に潜在的な競合を感知すると、互いに重複しない局所的な相互作用グループを自発的に形成する。これらのグループ内のエージェントは、意思決定-行動フィードバック機構を通じて協調的に競合を解決する。グループ内の競合が安全上重要になると、集団的な優柔不断状態が不安定化し、協調的な競合解決が創発されて、グループ内で安全な通行順序が安定化する。競合が解消されるとこの順序は維持されるが、エージェントが新しい競合に自律的に適応し、競合が解決したエージェントは通常の運動を再開するため、グループは分裂したり合併したりする可能性がある。
著者らは、センシング範囲、フィードバックゲイン、応答時間スケール、アクチュエーション限界に関する明示的な条件を導出し、有限時間内での衝突回避と通行順序形成を保証する。これらの条件は、任意の規模で動的に変化する有限の異種エージェント群に対して、デッドロックやライブロックが発生しないことを保証する。計算コストは各エージェントが感知する局所的な相互作用の数に比例するため、スケーラビリティに優れる。
NDDの有効性を検証するため、大規模シミュレーション、既存手法との比較、ハードウェア実験が行われた。実験結果は、NDDが複雑な混雑シナリオで安全なナビゲーションを実現し、そのスケーラビリティを実証している。この研究は、密集環境におけるマルチエージェントシステムの協調通行に対して、通信を必要としない完全分散型のソリューションを提供し、自動運転、ロボット群、群衆管理などの応用が期待される。